list输出为xls 随笔

本文介绍了一个Java方法,用于将查询结果导出为Excel文件。该方法接收用户会话信息及查询参数,从数据库中获取数据并将其转换为Excel格式,以便用户下载。涉及文件创建、工作表生成及数据读取等步骤。

摘要生成于 C知道 ,由 DeepSeek-R1 满血版支持, 前往体验 >

 public ActionForward expResultForExcel(ActionMapping mapping, ActionForm form,
                                       HttpServletRequest request,
                                       HttpServletResponse response) {
        String user_dm = authenticator.getUserDM(request.getSession());
        String actid = request.getParameter("actid") != null ?
                       request.getParameter("actid") : "";
        String sid = sort.getSchool_id(user_dm);
        List list = sort.getSortInfoForExcel(actid);
        try {
            File file=new File(System.currentTimeMillis()+".xls");
            WritableWorkbook wwb = Workbook.createWorkbook(file); //此处建立路径
            jxl.write.WritableSheet ws = wwb.createSheet("Sheet1", 0); //建立工作簿
            for (int i = 0; i < list.size(); i++) { //代表行
                Map map=(Map)list.get(i);
                Set set=map.keySet();
                Iterator iterator = set.iterator();
                int j = 0; //j代表列
                while (iterator.hasNext()) {
                    Object test = (Object) iterator.next();
                    String str="";
                    try{
                        str=map.get(test).toString();
                    }catch(Exception e){
                    }
                    jxl.write.Label label1 = new jxl.write.Label(j, i,
                            str); //建立第一列
                    ws.addCell(label1); //放入工作簿
                    j++;
                }
            }
            //写入Exel工作表
            wwb.write();
            //关闭Excel工作薄对象
            wwb.close();
            response.setHeader("Content-disposition","attachment; filename=result.xls");
            response.setContentType("application/msexcel");
            InputStream in=new FileInputStream(file);
            OutputStream out=response.getOutputStream();

            int bytesRead = 0;
            byte[] buffer = new byte[8192]; //设置缓冲大小
            while ((bytesRead = in.read(buffer, 0, 8192)) != -1) {
                out.write(buffer, 0, bytesRead);
            }
            out.close();
            file.delete();
            return null;
        } catch (Exception e) {
            e.printStackTrace();
            return null;
        }
    }

内容概要:本文针对国内加密货币市场预测研究较少的现状,采用BP神经网络构建了CCi30指数预测模型。研究选取2018年3月1日至2019年3月26日共391天的数据作为样本,通过“试凑法”确定最优隐结点数目,建立三层BP神经网络模型对CCi30指数收盘价进行预测。论文详细介绍了数据预处理、模型构建、训练及评估过程,包括数据归一化、特征工程、模型架构设计(如输入层、隐藏层、输出层)、模型编译与训练、模型评估(如RMSE、MAE计算)以及结果可视化。研究表明,该模型在短期内能较准确地预测指数变化趋势。此外,文章还讨论了隐层节点数的优化方法及其对预测性能的影响,并提出了若干改进建议,如引入更多技术指标、优化模型架构、尝试其他时序模型等。 适合人群:对加密货币市场预测感兴趣的研究人员、投资者及具备一定编程基础的数据分析师。 使用场景及目标:①为加密货币市场投资者提供一种新的预测工具和方法;②帮助研究人员理解BP神经网络在时间序列预测中的应用;③为后续研究提供改进方向,如数据增强、模型优化、特征工程等。 其他说明:尽管该模型在短期内表现出良好的预测性能,但仍存在一定局限性,如样本量较小、未考虑外部因素影响等。因此,在实际应用中需谨慎对待模型预测结果,并结合其他分析工具共同决策。
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值