如何将在dataGridView1控件中选中的行复制到dataGridView2

shijies 2021-03-01 09:29:14
用以下的代码并不能够实现,不知何故?

foreach (DataGridViewRow r in dataGridView1.SelectedRows)
{
if (!r.IsNewRow)
{
dataGridView2.Rows.Add(r);
}
}
...全文
448 10 打赏 收藏 转发到动态 举报
写回复
用AI写文章
10 条回复
切换为时间正序
请发表友善的回复…
发表回复
  • 打赏
  • 举报
回复
提醒一下,一般来说,任何公司级的研发,都会注重对设计规范的“道”的层面的设计研发。遇到一些喜欢拼凑各种控件、针对微软的成熟控件进行编程的人,其实知道是浪费资金,那类程序难以复用,性价比很低。
  • 打赏
  • 举报
回复
微软设计的(各种)组件,都有一个基本的规范,很稳定靠谱,就是任何组件都只能放到一个容器组件中。一旦你放入另外一个组件容器,(内部实现机制)就会自动从原来的容器中删除父子关系。 从设计上说,对于程序设计师的基本要求是,要懂得的“MVVM”基本设计规范,也就是 View 和所绑定的数据结构相分离的基本规范。数据列表未必就要用 GridView,可能随时改为其它的 UI 控件。因此设计层次不可乱用。要表达数据驱动的设计,就要从数据结构上来说明流程。当第一个 GridView 控件捕获到一些用户操作之后,那么改变了第一个GridView 所绑定的数据源,并且将改变的数据对象插入第二个 GridView 所绑定的数据源,于是第二个GridView就刷新了。 这个过程中丝毫不直接涉及到 UI 控件概念,仅仅是控件背后所绑定的数据集合改变了,于是 GridView 就自动刷新了。
shijies 2021-03-05
  • 打赏
  • 举报
回复
又改了一次,先生成一个与DataGridView1绑定的数据表结构一样的空表,再将空表绑定到DataGridView2,代码如下: DataTable dm = new DataTable(); DataColumn comName = new DataColumn("商品名", typeof(string)); DataColumn comPrice = new DataColumn("价格", typeof(int)); DataColumn comInventory = new DataColumn("库存", typeof(int)); dm.Columns.Add("商品名", typeof(string)); dm.Columns.Add("价格", typeof(int)); dm.Columns.Add("库存", typeof(int)); dataGridView2.DataSource = dm; int index = dataGridView1.CurrentRow.Index; a = new string[dataGridView1.ColumnCount]; for (int i = 0; i < dataGridView1.ColumnCount; i++) { a[i] = dataGridView1.Rows[index].Cells[i].Value.ToString(); } for (int i = 0; i < dataGridView2.ColumnCount; i++) dataGridView2.Rows[dataGridView2.RowCount - 2].Cells[i].Value = a[i]; // 这一行有问题 编译后,运行出现异常: ************** 异常文本 ************** System.ArgumentOutOfRangeException: 索引超出范围。必须为非负值并小于集合大小。
changjiangzhibin 2021-03-05
  • 打赏
  • 举报
回复
1、保证两个DataGridView的列数/对应数据类型是相同的
shijies 2021-03-05
  • 打赏
  • 举报
回复
下面这行代码不是创建了列? DataGridTextBoxColumn tb = new DataGridTextBoxColumn();
shijies 2021-03-05
  • 打赏
  • 举报
回复
把代码改了一下,声明了一个数组a,把一个dataGridView一行的所有列的值存进数组,再将数组的值依次赋给另一个dataGridView控件的一行,代码如下: public static string[] a; int index = dataGridView1.CurrentRow.Index; a = new string[dataGridView1.ColumnCount]; for (int i = 0; i < dataGridView1.ColumnCount; i++) { a[i] = dataGridView1.Rows[index].Cells[i].Value.ToString(); } DataGridTextBoxColumn tb = new DataGridTextBoxColumn(); dataGridView2.Rows.Add(tb); for (int i = 0; i < dataGridView2.ColumnCount; i++) dataGridView2.Rows[dataGridView2.RowCount - 2].Cells[i].Value = a[i]; 可是运行程序却出现了异常,提示信息如下: ************** 异常文本 ************** System.InvalidOperationException: 不能向没有列的 DataGridView 控件添加行。必须首先添加列。 在 System.Windows.Forms.DataGridViewRowCollection.AddInternal(Boolean newRow, Object[] values)
shensi88 2021-03-02
  • 打赏
  • 举报
回复
操作2个数组不就可以
shijies 2021-03-01
  • 打赏
  • 举报
回复
如果让内存表dtt绑定到dataGridView2,如: dataGridView2.DataSource = dtt; 然后将在dataGridView1控件中选中的行复制到dataGridView2,使用下面的语句,还是不行。 foreach (DataGridViewRow r in dataGridView1.SelectedRows) { if (!r.IsNewRow) { dtt.Rows.Add(r); } }
  • 打赏
  • 举报
回复
那就换种方式用数组的方式可参获取数组的值去做处理
  • 打赏
  • 举报
回复
应该将1的数据添加到2的绑定数据源中去.
内容概要:本文围绕“阶梯碳下考虑P2G-CCS与供需灵活响应的IES优化调度”展开,基于Matlab平台构建综合能源系统(IES)在阶梯式碳交易机制下的优化调度模型。研究深度融合电制气(P2G)与碳捕集、利用与封存(CCS)技术,结合需求侧灵活响应机制,旨在提升系统的低碳运能力与经济性。通过建立多能流耦合的优化模型,协调电力、天然气、热力等多种能源形式的协同调度,有效降低系统碳排放强度,并借助YALIMIP工具包调用求解器进高效求解。文档提供了完整的代码实现、模型构建流程与结果分析方法,涵盖从问题建模到仿真实现的全过程,具备较强的可复现性与科研参考价值。; 适合人群:具备电力系统、能源系统或优化建模相关背景的研究生、高校教师及工程技术人员,尤其适合从事综合能源系统、碳减排策略、P2G与CCS技术集成研究的专业人员,需熟练掌握Matlab编程与基本的数学规划知识。; 使用场景及目标:①用于研究阶梯式碳交易政策下综合能源系统的低碳经济调度策略;②支撑P2G-CCS技术与需求响应机制在IES的仿真集成与性能评估;③作为撰写高水平学术论文(如EI/SCI收录)的技术基础与复现资源,推动碳和背景下能源系统优化方向的创新研究。; 阅读建议:建议结合百度网盘提供的完整代码与资料包,按照模块逐步调试程序,重点理解目标函数的设计逻辑、碳交易成本的建模方式、约束条件的数学表达及求解器的配置方法,同时关注多能耦合设备的建模细节,配合公众号“荔枝科研社”获取持续的技术支持与案例拓展。
内容概要:本文系统研究了基于卷积神经网络(CNN)与支持向量机(SVM)融合的CNN-SVM混合模型在数据分类预测的应用,尤其聚焦于工业故障识别领域。通过Matlab平台实现,该方法首先利用CNN强大的多层次特征提取能力对原始输入数据进深度特征学习,自动捕获关键局部模式与空间结构信息,随后将提取的高层特征作为输入传递至SVM分类器,借助SVM在高维空间小样本条件下卓越的分类性能与泛化能力完成最终判别任务。文详尽阐述了模型的整体架构设计、网络参数配置、训练优化流程及特征迁移机制,充分结合了深度学习在特征表达上的优势与传统机器学习在分类决策上的稳健性。实验部分通过实际故障数据集验证了该混合模型相较于单一CNN或SVM模型在分类准确率、鲁棒性和抗过拟合能力方面的显著提升,证明了其在复杂故障诊断任务的有效性与先进性; 适合人群:具备一定机器学习与深度学习理论基础,熟悉Matlab编程环境,从事故障诊断、模式识别、智能制造、电力系统监控或工业数据分析等相关领域的研究生、科研人员及工程技术开发者; 使用场景及目标:① 应用于旋转机械、电力设备、航空航天等领域的多类别故障识别与状态监测;② 掌握深度特征提取与传统分类器融合的技术路径,提升小样本、高噪声环境下数据分类的精度与可靠性;③ 为撰写高水平学术论文、开展科研项目或工程实践提供可复现的算法框架与完整代码支持; 阅读建议:读者应深入理解CNN与SVM的协同工作机制,重点分析特征提取层与分类层之间的接口设计,建议动手运并调试所提供的Matlab代码,尝试在不同数据集上进迁移实验与参数调优,以全面掌握该混合模型的应用技巧与优化策略。

111,131

社区成员

发帖
与我相关
我的任务
社区描述
.NET技术 C#
社区管理员
  • C#
  • Creator Browser
  • by_封爱
加入社区
  • 近7日
  • 近30日
  • 至今
社区公告

让您成为最强悍的C#开发者

试试用AI创作助手写篇文章吧