uwp开发:数据绑定——值转换器 的简单使用

原文: uwp开发:数据绑定——值转换器 的简单使用

 

今天,我在做最近正在开发的“简影”uwp应用时遇到一个问题,其中有个栏目,叫做“画报”,是分组显示一组一组的 图片,每组图片在界面上只显示9个,点击去以后显示该组的所有图片。

其中,Model 如下: 画报类,其中有个属性是图片类集合。

QQ截图20160530203620

在View界面,通过ListView嵌套绑定GridView

如下:sdfasdfa

但是,要求是每项只能显示9张图片,而集合内的数据不止9张,如果这样直接绑定到GridView上,那么会将ImagList里面的所以图片都显示出来,那么,要想每项都显示9张。这时候,该怎么办呢?如果之前没有接触过值转换器,那么想到的肯定是改变Model里面的属性,因为属性是绑定在GridView上的,通过访问器来限制属性,这样做也可以,但是这样就会有一个问题,会对原数据造成影响。那么怎样才能不改变属性的情况下,让界面上得到想要的结果呢?此时,就需要用值转换器了。

定义一个转换类:实现IValueConverter接口,这样,就实现了一个值转换类。在Convert方法里,对我们需要改变的集合作限制,让它只显示前9个。

afdfasfasfasfda

然后,在View层定义:

<Page.Resources>
<cvt:ImageConverter x:Key=”imgCvt”/>
</Page.Resources>

并引入转换类的命名空间,然后我们通过绑定的Convert属性来绑定转换类。这样,就完成了在界面上每组只显示9张图片,并且不改变属性的效果。

dafasfasdfsdfas

如果有问题,欢迎大家加入uwp开发交流学习群:193148992 。

——IT追梦园

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