我尝试过的

Question

我在表单中有一个QListWidget，其中一个QListWidgetItem显示“ 添加新”。当我单击它时，我希望发生一系列事情：

一个QInputDialog::getText询问新项目的内容。
具有给定文本的新项将添加到列表中。
该列表已排序，除了结尾处的“ 添加新”（这是通过删除“ 添加新”项，进行排序和再次添加已删除的项目。
已选择新项目。

最后一部分是我遇到的麻烦。我尝试了许多不同的方法，所有这些方法都导致相同的结果：我要选择的项目带有虚线边框，并且被理解为选中状态（例如，用ui->list->selectedItems()表示，但是选择颜色保留在之前的最后一个项目上“ 添加新”。

我尝试过的

item->setSelected(true);
ui->list->setCurrentItem(item);
ui->list->setCurrentRow(ui->list->row(item);

我注意到的

当调试器在断点处缓慢运行时，我注意到一切似乎都正常运行，但是UI并没有在我调用的函数完成之前更新。

此外，当我想从另一个按钮单击调用的插槽中从列表中选择给定项目时，它可以与item->setSelected(true);（以及其他按钮）一起正常使用。

我的猜测：由于无法以图形方式选择尚不存在的内容，因此无法在添加该功能的同时选择该项目。

有人猜想如何实现这一目标吗？

Answer 1

如果您可以从常规插槽中选择项目，那么只需从非常短的计时器中发出虚拟信号即可。像这样

//add item
//...
QTimer::singleShot(1, this, SLOT(MySlotForSelectItem())); // 1 ms timer

MainWindow::MySlotForSelectItem()
{
     //select item
}

Answer 2

您尝试选择添加的项目，然后将当前行设置为添加项目的行索引。这在我的示例中有效。

示例：mainwindow.cpp

import os
import pandas as pd
from keras.models import Sequential
from keras.layers import *
from sklearn.preprocessing import MinMaxScaler
import sys
np.set_printoptions(threshold=sys.maxsize)

# Load training data set from CSV file
training_data_df = pd.read_csv("freedom_data_training1.csv", dtype=float)

# Selecting columns for prediction
training_data_df = training_data_df.iloc[:, 0:5]

# Converting into 2D array
training_data_df = training_data_df.values

# Scaling of Data Normalization
sc = MinMaxScaler()
training_data_df = sc.fit_transform(training_data_df)

# Creating Training Data with Timesteps
X_train = []
Y_train = []
for i in range(5, len(training_data_df)):
  X_train.append(training_data_df[i-5:i, 0:4])
  Y_train.append(training_data_df[i, 4])
X_train, Y_train = np.array(X_train), np.array(Y_train)
X_train = np.reshape(X_train, (X_train.shape[0], X_train.shape[1], 4))

#RNN

regressor = Sequential()

# Adding the input layer and the LSTM layer
regressor.add(LSTM(units=4, activation='relu', input_shape= 
(X_train.shape[1], 4)))
# Adding the output layer
regressor.add(Dense(units=1))
# Compiling the Recurrent Neural Network
regressor.compile(optimizer='adam', loss='mean_squared_error')
# Fitting the Recurrent Neural Network
regressor.fit(X_train, Y_train, batch_size=10, epochs=10)


# Load training data set from CSV file
testing_data_df = pd.read_csv("freedom_data_test1.csv", dtype=float)

#Selecting columns
testing_data_df = testing_data_df.iloc[:, 0:5]

# Converting into 2D array
testing_data_df = testing_data_df.values

# Scaling of Data
sc = MinMaxScaler()
testing_data_df = sc.fit_transform(testing_data_df)

# Creating Testing Data with Timesteps
X_test = []
Y_test = []
for i in range(5, len(testing_data_df)):
   X_test.append(testing_data_df[i-5:i, 0:4])
   Y_test.append(testing_data_df[i, 4])
X_test, Y_test = np.array(X_test), np.array(Y_test)
X_test = np.reshape(X_test, (X_test.shape[0], X_test.shape[1], 4))

prediction = regressor.predict(X_test)

f = open("prediction_v1", "w+")
print(prediction, file=f)
f.close()

添加时选择QListWidgetItem

我尝试过的

我注意到的

2 个答案: