DataSet

关于DataSet派生列

如DataSet中已经查询出以下数据 NAME AGE 张三 20 张三三 30 需要在每一行上添加一个新

为什么推荐结果集key强转大写

因为有些情况下容易产生歧义，如userId,userID都合理，在前端调用接口时还需要查文档才能确定， 另外不推荐驼峰格式,因为有些数据库会把列名转成大写

DataSet/DataRow ognl表达式

DataSet集合中通过已存在的属性值计算其他属性值

关于replaces

replaces(String old, String replace, String ... keys); 把old替换成replace 如果不提供keys则替换所有的key replaces(boolea regex, String old, String replace, St

getColumns与getMetadatas区别

getColumns返回的是DataRow中查询出来的列属性 getMetadatas返回的是整个表的列属性 如CRM_USER表中有三列，ID,NAME,AGE DataRow row = service.query("CRM_USER(ID,NAME)"); 这时getMetadatas会返回3

DataSet批量操作DataRow条目

DataSet批量操作DataRow条目

DataSet抽取指定列的集合,返回List

DataSet抽取指定列的集合,返回List

DataSet/DataRow批量替换

以下方法DataSet同样支持，DataSet内部是实际是遍历调用了DataRow相应的方法

DataSet & DataRow 深度解析

核心定位 DataRow DataSet ORM 对比 为何不是 List 应用场景 总结 AnyLine MDM · 动态数据结构 DataSet & DataRow 深度解析 告别繁琐的实体类映射，转向弱类型、动态结构的数据容器——专为运行时灵活处理异构数据而设计，实现"变化即常态"的

数据集外键关联

应用场景如 订单集合中有user_id，需要根据user_id到users集合中关联中user_name 如果通过SQL实现大概是这样 SELET O.*, U.NAME AS USER_NAME FROM MM_ORDER AS O LEFT JOIN CRM_USER AS U ON M.U

DataSet计算key列值在整个集合中占比

/** * 计算key列值在整个集合中占比 * @param scale 小数位 * @param round 舍入模式 参考BigDecimal静态常量 * ROUND_UP = 0 舍入远离零的舍入模式 在丢弃非零部分之前

DataSet计算加权平均值

/** * 加权均值 * @param factor 权重计算列 * @param key 值计算列 * @param scale 小数位 * @param round 舍入模式 参考BigDecimal静态常量 * R

DataSet查询及性能

有些情况下从数据库中查出结果集后还需要经过多次过滤，用来避免多次查询给数据库造成不必要的压力 DataSet类似sql的查询 DataSet set = new DataSet(); 以DataSet result = set.select.equals("AGE","20", "NAME","张%

DataSet/DataRow与实体对象之间的转换

EntitySet users = set.entitys(User.class): User = row.entity(User.class); 因为实体类中的属性数据类型限制，一些值会转换失败，可以提前格式化， 如null赋值给int属性时会失败，可以先把集合中所有的空

环境检测场景中的几个动态表单示例

这里只是后格式转换部分,插入到word参考【anyline office】，最困难的是前端怎么把这个规则告知后端（大概思路是先定义几种规则让用户来选，比如横向显示什么，竖向显示什么，每行最多几列） 先看源数据 主键

DataSet分页

DataSet set = new DataSet(); List pages = set.page(10) //每页10行，分成多少页根据总数 List pages = set.split(10)//分成10页，每页多少行根据总

关于(抽样/总体)方差、标准偏差

DataSet中提供了(抽样/总体)方差、标准偏差相关的计算，最终还是调用了NumberUtil中的方法 以下方法其中a表示空值也参与计算,p表示总体,相对的不带p表示抽样 var:抽样方差(空值不参与计算) vara:抽样方差(空值参与计算) varp:总体方差(空值不参与计算) varpa:总体

关于DataSet.total()与size()

total()表示总行数，如果没有经过分页，total()与size()结果一致。如果经过分页则返回PageNavi.totalRow()也就是数据库中符合条件的总行数可能要比size()结果大 size()表示当前DataSet中的实际行数。

Entity 下划线与大小驼峰转换

如果属性上有注解则按注解设置的列名转换， 如果属性上没有注解 会根据 ConfigTable.ENTITY_FIELD_COLUMN_MAP进程转换; 默认"camel_"属性小驼峰转下划线 joinYmd > join_ymd

关于查询结果集单行与多行的问题

数据结构:DataSet

DataSet

DataSet实现分组，合并

DataSet实现行转列，分组，合并

DataSet实现行转列

pivot

把部门=D的所有用户,分组设置成G

把部门=D的所有用户,分组设置成G

DataSet中cut与truncate区别

cut与truncate都是根据条件截取

DataSet.select选择器

DataSet.select选择器,可以实现类似SQL的查询

DataSet交集

DataSet交集

查询DataSet中CODE in(1,2,3)的子集

set.select.in("CODE",1,2,3)

查询DataSet中PRICE>100的子集

set.select.greater("PRICE",100)

查询DataSet中NAME以‘张’开头的子集

set.select.like('NAME','张%') set.select.startWith('NAME','张')

查询DataSet中AGE在20到30之间的子集

set.select.between('AGE',20,30)

移除set中指定条件的子集

先通过set.select过滤出符合移除条件的子集，再通过set与子集取差集

DataSet按条件过滤

DataSet按条件过滤

DataSet移除每个条目中指定的key

DataSet移除每个条目中指定的key

DataSet截断

从begin开始截断到end,方法执行将改变原DataSet长度 如果输入负数则取后n个,如果造成数量不足，则取全部

DataSet筛选不重复的数据

DataSet筛选不重复的数据

DataSet计算总和

DataSet计算总和

DataSet计算平均值

DataSet计算平均值

DataSet取最大值最小值

DataSet取最大值最小值

DataSet提取集合中一列并拼接成String

DataSet提取集合中一列并拼接成String

DataSet抽取指定列生成新的DataSet

抽取指定列生成新的DataSet

DataSet合并两个集合

set1与set2合并生成新的集合 DataSet set = set1.unionAll(set2) 合并不重复的集合，根据ID,CODE判断是否重复 DataSet set = set1.union(set2,"ID","CODE")

DataSet实现垂直水平分组合计

M L S 合计 纯白 20 20 200 240 天蓝 30 60

颜色尺寸二维数组交叉表格(DataSet实现垂直水平分组合计)

table tr class="stat" td尺寸/td c:forEach var="size" items="${sizes}" td class="number-cell"${size.NM

DataSet实现行转列(多维)

DataSet实现行转列(多维)

DataSet实现行转列

DataSet实现行转列

DataSet清空集合中指定列为空的条目

DataSet set = service.querys("HR_USER"); 清空set中DEPT_ID和SORT_ID都为空(包括null和"")的行 public DataSet removeEmptyRow(String... keys) set.removeEmptyRow("DEPT_ID","SORT_ID"); 清除指定列全为空的行,如果不指定keys,则清除所有列都为空(包括n

一维数组转成DataRow 二维数组转成DataSet

通常情况下是把Bean或Map转成DataRow，把Bean和Map的集合转成DataSet 但有些情况下如从excel中读取数据，读取出来的结果是List>结构，并没有列名或属性名，只是按下标顺序排列。 这时操作List就比较原始，如分组，排序等都需要重写。 所以可以转成DataSet，这样可以利用DataSet的方法对结果集进行去重、分组等

将所有列中的oldChar替换成newChar

将key列中的oldChar替换成newChar public DataSet replace(String key, String oldChar, String newChar)   将所有列中的oldChar替换成newChar public DataSet replace(String oldChar, String newChar) 

从人员列表的DataSet中，查出所有不重复的部门名称

DataSet set = service.query("HR_USER"); set.distinct("DEPARTMENT_NM"); //这里返回的还是人员列表，但一个部门只返回一个 .concat("DEPARTMENT_NM"); //这里返回String并以逗号分隔:部门A,部门B ListString departments = set.getDistinctStrings("DEPARTMENT_NM"); //这里返回一个不重复的部门名称List

关于merge与join的区别

关于merge与join的区别

从列式数据库中取出坐标数据，格式化成地图轨迹需要的数据

轨迹原始数据(保存在列式数据库或thingsboard平台上) lng=[{"ts":1655007789001,"value":120.1}, {"ts":1655007759002,"value":120.2}], lat=[{"ts":1655007789001,"value":36.1}, {"ts":1655007759002,"value":36.2}] 通过org.anyline.

DataSet拆分

有些情况下需要对DataSet分组处理。如：查询出2000个手机号，如果一短信平台一次只能发500个 List list = set.split(set.size()/500); for(DataSet items:list) { List mobiles = items.getDistinctStrings("mobile"); //

几个常用的配置参数

//DataRow的key大小写(默认大写) DataRow.DEFAULT_KEY_KASE = KeyAdapter.KEY_CASE.LOWER; //http分页参数-当前当前第几页(默认page) PageNaviConfig.DEFAULT_KEY_PAGE_NO = "pageNum"; //http分页参数-每页多少条(默认vol) PageNaviConfig.DEFAULT_K

DataSet构造多级树型结构

//先取出完整列表 DataSet set = service.querys("SYS_AREA"); //ID:主键 BASE_ID:表示上一级ID的列名 set.dispatchs(true,true, "ID:BASE_ID"); set.dispatchs("children",true,true, "ID:BASE_ID");​ //执行完成后会把每个DataRow中存入当前DataRow的下一级 //这里会生成多个树型结构，一般需要根据ID取出最顶级的DataRow set.getRow("ID",1);

查询数据库返回的数据字段全是大写，字段怎么设置返回小写

可以通过ConfigTable设置全局参数 ConfigTable.IS_LOWER_KEY = true; ConfigTable.IS_UPPER_KEY = false;

DataSet聚合计算

1.分组 如提供一个职员列表的set [ {id:1, name:'a', dept:'财务部', age:20} ,{id:2, name:'b', dept:'财务部', age:30} ,{id:3, name:'c', dept:'市场部', age:35} ] 根据部门分组 set.gro

关于查询结果的数据结构(数据类型、长度、精度、非空等)

关于查询结果的数据结构(数据类型、长度、精度、非空等)

DataSet/DataRow 下划线与大小驼峰转换

数据库中经常是下划线命名，如果需要给前端输大小驼峰格式。可以通过DataSet/DataRow转换

关于DataSet清除空行或空列

清除指定列全为空的行,如果不指定keys,则清除所有列都为空的行 removeEmptyRow(String ... cols) DataSet set = service.querys("CRM_USER"); 清除所有值为空的行 set.removeEmptyRow() 清除ID和CODE都为空的行 set.removeEmptyRow("ID","CODE") 清除ID或CODE