百度360必应搜狗淘宝本站头条
当前位置:网站首页 > 热门文章 > 正文

QTreeView的使用

bigegpt 2024-08-06 11:52 6 浏览

1、简易QTreeView的使用(搞懂QTreeView Model 之间的关系)

2、QStyledItemDelegate + QAbstractListModel自定义Model(自定义Model的使用,以及自定义Model内部需要重构的方法的意义)

1、简易QTreeView的使用

import sys
from PyQt5.QtGui import QStandardItemModel, QStandardItem
from PyQt5.QtWidgets import QMainWindow, QApplication, QTreeView


class Example(QMainWindow):

    def __init__(self):
        super().__init__()
        self.treeView = None
        self.initUI()

    def initUI(self):
        self.treeView = QTreeView()
        model = QStandardItemModel()
        for row in range(4):
            item = QStandardItem(str(row))
            model.appendRow(item)
        self.treeView.setModel(model)
        self.treeView.show()
        self.treeView.setWindowTitle("SimpleTree")

if __name__ == '__main__':
    app = QApplication(sys.argv)
    ex = Example()
    sys.exit(app.exec_())

运行结果如下

首先了解一下各个Model的继承关系(如下图)以及使用规则

参考的内容,包括使用解析
用法比较简单,QStandardItemModel可以使用QStandardItem,通过不断添加子节点,从而构建出list、table、tree结构的数据。

Qt开发学习资料→Qt5/Qt6开发实战项目,手把手带你写代码,不再为简历中没有项目而发愁,从基础到框架,从入门到进阶~_哔哩哔哩_bilibili

使用QStandardItemModel表示数据集具有以下优点:
实现代码简单,该类使用QStandardItem存放数据项,用户不必定义任何数据结构来存放数据项;

QStandardItem使用自关联关系,能够表达列表、表格、树甚至更复杂的数据结构,能够涵盖各种各样的数据集;
QStandardItem本身存放着多个『角色,数据子项』,视图类、委托类或者其他用户定义的类能够方便地依据角色访问各个数据子项。

缺点:
当数据集中的数据项很多时,施加在数据集上的某些操作的执行效率会很低。
数据太大时,占用内存巨大,性能低下

QTreeView中关于 row column parent的定义:

在获取不同的对象时如下:
A节点:QModelIndex indexA = model->index(0, 0, QModelIndex());
B节点:QModelIndex indexC = model->index(2, 1, QModelIndex());
C节点:QModelIndex indexB = model->index(1, 0, indexA);
这个东西先记者,以后你会用到的

2、QStyledItemDelegate + QAbstractListModel自定义Model

import sys
from PyQt5.QtCore import *
from PyQt5.QtGui import *
from PyQt5.QtWidgets import QApplication, QTreeView, QWidget, QPushButton, QVBoxLayout, QStyledItemDelegate


class Window(QWidget):
    changeStyleTriggered = pyqtSignal()

    def __init__(self):
     super(Window, self).__init__()
     self.createTree()

    def createTree(self):
     data = ['A', 'B', 'C', 'D', 'E', 'F']
     model = MyTreeView(data)
     self.treeView = QTreeView()
     self.treeView.setItemDelegate(BoldDelegate())
     self.treeView.setModel(model)
     layout = QVBoxLayout()
     layout.addWidget(self.treeView)
     self.setStyleSheet("QTreeView::indicator:checked {image: url(door-closed-fill.svg)}"
                        "QTreeView::indicator:unchecked {image: url(door-open-fill.svg)}")
     self.setLayout(layout)

class TestItem():
    def __init__(self, name, checked):
     self.checked = checked
     self.name = name

class BoldDelegate(QStyledItemDelegate):
    def paint(self, painter, option, index):
     option.font.setWeight(QFont.Bold)
     QStyledItemDelegate.paint(self, painter, option, index)

class MyTreeView(QAbstractListModel):
    def __init__(self, args, parent=None):
     super(MyTreeView, self).__init__(parent)

     self.args = []
     for item_name in args:
      self.args.append(TestItem(item_name, False))

    def rowCount(self, parent):
     return len(self.args)

    def headerData(self, section, orientation, role):
     if role == Qt.DisplayRole:
      if orientation == Qt.Horizontal:
       return "Nodes"

    def flags(self, index):
     return Qt.ItemIsUserCheckable | Qt.ItemIsEditable | Qt.ItemIsSelectable | Qt.ItemIsEnabled

    def data(self, index, role=Qt.DisplayRole):
     if role == Qt.DisplayRole:
      row = index.row()
      return self.args[row].name

     if role == Qt.CheckStateRole:
      row = index.row()
      if self.args[row].checked == False:
       return Qt.Unchecked
      else:
       return Qt.Checked

    def setData(self, index, value, role):
     if role == Qt.CheckStateRole:
      row = index.row()
      self.args[row].checked = not self.args[row].checked    
     return True

def main():
    myapp = QApplication(sys.argv)

    window = Window()
    window.show()
    myapp.exec_()

if __name__ == '__main__':
    main()

上述代码效果如下图

先大体的解释一下上述的过程:
①创建一个继承自QAbstractListModel的对象
②将数据data设置给上述Model对象
③通过各自View的SetModel方法,将Model设置给View

接下来一一解释上面各个函数的作用:

①rowCount(self, parent):返回行数(关于行的定义在上面截屏),假如此时改成 return 2,那么将只显示 A B两个子节点

②headerData(self, section, orientation, role): 修改标题的数据,orientation就是方向,role在上一篇博文已经介绍过了触发事件及QTableView的使用

③flags(self, index):就是对每一个数据项能否做什么处理的一个标记,以Qt.ItemIsUserCheckable为例,如果此处删去Qt.ItemIsUserCheckable,那么上图gif中,那个门就不能控制了~再比如Qt.ItemIsSelectable,如果删去,那么就不可选中,具体效果可以自己去尝试

④data(self, index, role=Qt.DisplayRole):对应view中的数据要如何显示(在这里就是QTreeView),如何处理,比如Qt.DisplayRole,就是设置数据该如何显示的;Qt.CheckStateRole就是那个门(其实就是一个勾选框,只是我在
self.setStyleSheet(“QTreeView::indicator:checked {image: url(door-closed-fill.svg)}”
“QTreeView::indicator:unchecked {image: url(door-open-fill.svg)}”)
这段代码里面修改了表现形式,删去就可以看到标准形式

⑤setData(self, index, value, role): 当我们修改数据之后,数据要怎么变化,比如这里就是说当我们修改了勾选框猴,数据内的选中标志取反

补充一下:

①在上述代码中创建了一个BoldDelegate类,继承自 QStyledItemDelegate ,通过创建这个类对象,并通过调用对应View的 setItemDelegate(BoldDelegate()) 就能设置数据的格式

②上面有一个类TestItem,这个类相当于是对传入的数据做一个处理,让其变成我们想要的结构类型,这里数据较为简单,因此就相当于struct

相关推荐

方差分析简介(方差分析通俗理解)

介绍方差分析(ANOVA,AnalysisofVariance)是一种广泛使用的统计方法,用于比较两个或多个组之间的均值。单因素方差分析是方差分析的一种变体,旨在检测三个或更多分类组的均值是否存在...

正如404页面所预示,猴子正成为断网元凶--吧嗒吧嗒真好吃

吧嗒吧嗒,绘图:MakiNaro你可以通过加热、冰冻、水淹、模塑、甚至压溃压力来使网络光缆硬化。但用猴子显然是不行的。光缆那新挤压成型的塑料外皮太尼玛诱人了,无法阻挡一场试吃盛宴的举行。印度政府正...

Python数据可视化:箱线图多种库画法

概念箱线图通过数据的四分位数来展示数据的分布情况。例如:数据的中心位置,数据间的离散程度,是否有异常值等。把数据从小到大进行排列并等分成四份,第一分位数(Q1),第二分位数(Q2)和第三分位数(Q3)...

多组独立(完全随机设计)样本秩和检验的SPSS操作教程及结果解读

作者/风仕在上一期,我们已经讲完了两组独立样本秩和检验的SPSS操作教程及结果解读,这期开始讲多组独立样本秩和检验,我们主要从多组独立样本秩和检验介绍、两组独立样本秩和检验使用条件及案例的SPSS操作...

方差分析 in R语言 and Excel(方差分析r语言例题)

今天来写一篇实际中比较实用的分析方法,方差分析。通过方差分析,我们可以确定组别之间的差异是否超出了由于随机因素引起的差异范围。方差分析分为单因素方差分析和多因素方差分析,这一篇先介绍一下单因素方差分析...

可视化:前端数据可视化插件大盘点 图表/图谱/地图/关系图

前端数据可视化插件大盘点图表/图谱/地图/关系图全有在大数据时代,很多时候我们需要在网页中显示数据统计报表,从而能很直观地了解数据的走向,开发人员很多时候需要使用图表来表现一些数据。随着Web技术的...

matplotlib 必知的 15 个图(matplotlib各种图)

施工专题,我已完成20篇,施工系列几乎覆盖Python完整技术栈,目标只总结实践中最实用的东西,直击问题本质,快速帮助读者们入门和进阶:1我的施工计划2数字专题3字符串专题4列表专题5流程控制专题6编...

R ggplot2常用图表绘制指南(ggplot2绘制折线图)

ggplot2是R语言中强大的数据可视化包,基于“图形语法”(GrammarofGraphics),通过分层方式构建图表。以下是常用图表命令的详细指南,涵盖基本语法、常见图表类型及示例,适合...

Python数据可视化:从Pandas基础到Seaborn高级应用

数据可视化是数据分析中不可或缺的一环,它能帮助我们直观理解数据模式和趋势。本文将全面介绍Python中最常用的三种可视化方法。Pandas内置绘图功能Pandas基于Matplotlib提供了简洁的绘...

Python 数据可视化常用命令备忘录

本文提供了一个全面的Python数据可视化备忘单,适用于探索性数据分析(EDA)。该备忘单涵盖了单变量分析、双变量分析、多变量分析、时间序列分析、文本数据分析、可视化定制以及保存与显示等内容。所...

统计图的种类(统计图的种类及特点图片)

统计图是利用几何图形或具体事物的形象和地图等形式来表现社会经济现象数量特征和数量关系的图形。以下是几种常见的统计图类型及其适用场景:1.条形图(BarChart)条形图是用矩形条的高度或长度来表示...

实测,大模型谁更懂数据可视化?(数据可视化和可视化分析的主要模型)

大家好,我是Ai学习的老章看论文时,经常看到漂亮的图表,很多不知道是用什么工具绘制的,或者很想复刻类似图表。实测,大模型LaTeX公式识别,出乎预料前文,我用Kimi、Qwen-3-235B...

通过AI提示词让Deepseek快速生成各种类型的图表制作

在数据分析和可视化领域,图表是传达信息的重要工具。然而,传统图表制作往往需要专业的软件和一定的技术知识。本文将介绍如何通过AI提示词,利用Deepseek快速生成各种类型的图表,包括柱状图、折线图、饼...

数据可视化:解析箱线图(box plot)

箱线图/盒须图(boxplot)是数据分布的图形表示,由五个摘要组成:最小值、第一四分位数(25th百分位数)、中位数、第三四分位数(75th百分位数)和最大值。箱子代表四分位距(IQR)。IQR是...

[seaborn] seaborn学习笔记1-箱形图Boxplot

1箱形图Boxplot(代码下载)Boxplot可能是最常见的图形类型之一。它能够很好表示数据中的分布规律。箱型图方框的末尾显示了上下四分位数。极线显示最高和最低值,不包括异常值。seaborn中...