[转] DataSet的的几种遍历

简介:

1. 多表多行多列的情况

复制代码
foreach (DataTable   dt   in   YourDataset.Tables)                         //遍历所有的datatable
{
    foreach (DataRow   dr   in   dt.Rows)                             //遍历所有的行
          foreach (DataColumn   dc   in   dt.Columns)                      //遍历所有的列
                Console.WriteLine(“{0},   {1},   {2}”,   dt.TableName,  dc.ColumnName,   dr[dc]);   //表名,列名,单元格数据
}
复制代码

 

2. 遍历一个表多行多列

复制代码
foreach(DataRow   mDr   in   dataSet.Tables[0].Rows   )  
{  
       foreach(DataColumn   mDc   in   dataSet.Tables[0].Columns)  
      {  
         Console.WriteLine(mDr[mDc].ToString());    
      }  
}
复制代码


3.遍历一个表多行一列

foreach(DataRow   row   in   DataSet1.Tables[0].Rows)  
{  
  Console.WriteLine(row[0].ToString());  
}

 

4. 一行一列

ds.Tables[0].Rows[0]["字段"] ;

 

 

参考

1.C#遍历DataSet中数据的几种方法总结

没有整理与归纳的知识,一文不值!高度概括与梳理的知识,才是自己真正的知识与技能。 永远不要让自己的自由、好奇、充满创造力的想法被现实的框架所束缚,让创造力自由成长吧! 多花时间,关心他(她)人,正如别人所关心你的。理想的腾飞与实现,没有别人的支持与帮助,是万万不能的。


    本文转自wenglabs博客园博客,原文链接:http://www.cnblogs.com/arxive/p/5700300.html ,如需转载请自行联系原作者





相关文章
|
7月前
使用indices()函数创建数组
使用indices()函数创建数组。
97 3
|
索引 Python
Python:list列表迭代使用range和enumerate获取元素和索引
Python:list列表迭代使用range和enumerate获取元素和索引
176 1
torch在构造数据集时,如何将dataloader和next结合,使得next输出的是dataloader已经构造好的数据集
在使用torch.utils.data.DataLoader构造数据集并进行迭代时,可以通过调用iter()函数将DataLoader对象转换为一个可迭代对象,然后再通过调用next()函数取出下一个batch的数据。 例如,假设我们已经定义好了一个MyDataset类来表示自己的数据集,并且使用DataLoader来对其进行批量处理:
711 1
|
缓存 Python
|
SQL 分布式计算 大数据
Dataset介绍_将 Dataset 转为同泛型的 RDD | 学习笔记
快速学习 Dataset介绍_将 Dataset 转为同泛型的 RDD
176 0
Dataset介绍_将 Dataset 转为同泛型的 RDD | 学习笔记
|
数据建模 程序员 Go
数组 for-range 遍历|学习笔记
快速学习数组 for-range 遍历。
181 0
数组 for-range 遍历|学习笔记
|
JavaScript Python
shuffle() 方法、removeAttribute() 方法、split() 方法
内容包括demo代码,应用和定义,以及参考文献,本文主要内容是学习js期间学到的一些实用的零碎的js1知识,我都记下来了,需要的朋友可以过来参考下,前后可能没有太大的相关性。喜欢的可以点个赞,希望对大家有所帮助。 参数lst -- 这可能是一个列表或元组。作用:打乱一个有序数组,最高效的数组乱序方法应用:打乱输出后,从头输出可用来输出随机数字。 这里有篇文章介绍数组乱序效率www.jb51.net/article/560… HTML DOM removeAttribute()
161 0
shuffle() 方法、removeAttribute() 方法、split() 方法
|
Python
使用Numpy将数据集中的data和target同时shuffle
假设现在有图像数据imgs和对应标签targets。数据维度分别如下 imgs.shape = (num, channel, width, height) targets.shape = (num, class) 因为通常我们需要将数据打散,这样的好处是可以让模型训练更具鲁棒性,那么如何同时打散da...
1394 0