QT学习之QDateTimeAxis

这篇具有很好参考价值的文章主要介绍了QT学习之QDateTimeAxis。希望对大家有所帮助。如果存在错误或未考虑完全的地方,请大家不吝赐教,您也可以点击"举报违法"按钮提交疑问。

QDateTimeAxis类向图表的轴添加日期和时间。DateTimeAxis可以设置为显示带有刻度线、网格线和阴影的轴线。可以通过设置适当的DateTime格式来配置标签QDateTimeAxis可以正确处理从4714 BCE到287396 CE的日期。有关QDateTime的其他限制,请参阅QDateTime文档。

QDateTimeAxis可以与任何QXYSeries一起使用。要将数据点添加到系列中,请使用QDateTime::toMsecsSinceEpoch()

QLineSeries *series = new QLineSeries;

QDateTime xValue;
xValue.setDate(QDate(2012, 1 , 18));
xValue.setTime(QTime(9, 34));
qreal yValue = 12;
series->append(xValue.toMSecsSinceEpoch(), yValue);

xValue.setDate(QDate(2013, 5 , 11));
xValue.setTime(QTime(11, 14));
qreal yValue = 22;
series->append(xValue.toMSecsSinceEpoch(), yValue);

下面的代码片段说明了如何将序列添加到图表中并设置QDateTimeAxis

QChartView *chartView = new QChartView;
chartView->chart()->addSeries(series);

// ...
QDateTimeAxis *axisX = new QDateTimeAxis;
axisX->setFormat("dd-MM-yyyy h:mm");
chartView->chart()->setAxisX(axisX, series);
Header: #include <QDateTimeAxis>
Instantiated By: DateTimeAxis
Inherits: QAbstractAxis

Properties

  • format : QString 此属性保存在从QDateTime对象创建轴标签时使用的格式字符串。
  • max : QDateTime  此属性保存轴上的最大值。
  • min : QDateTime 此属性保存轴上的最小值。
  • tickCount : int 此属性保存轴上刻度线的数量。

Public Functions

QDateTimeAxis(QObject *parent = nullptr)
virtual ~QDateTimeAxis()
QString format() const 

此属性保存在从QDateTime对象创建轴标签时使用的格式字符串。

QDateTime max() const 此属性保存轴上的最大值。
QDateTime min() const 此属性保存轴上的最小值。
void setFormat(QString format)
void setMax(QDateTime max)
void setMin(QDateTime min)
void setRange(QDateTime min, QDateTime max)
void setTickCount(int count)
int tickCount() const 此属性保存轴上刻度线的数量。

 Signals

void formatChanged(QString format

该信号在轴的格式改变时发出。

void

maxChanged(QDateTime max)

当轴的最大值(由min指定)发生变化时,将发出此信号。

void

minChanged(QDateTime min

当轴的最小值(由min指定)发生变化时,将发出此信号。

void

rangeChanged(QDateTime min, QDateTime max)

当由min和max指定的轴的最小值或最大值发生变化时,发出该信号。

void

tickCountChanged(int tickCount)

当由tickCount指定的轴上刻度线的数量发生变化时,将发出此信号。

QDateTime 

QDateTime类提供日期和时间函数。DateTime对象编码日历日期和时钟时间(“日期时间”)。它结合了QDate和QTime类的特性。它可以从系统时钟读取当前的日期时间。它提供了用于比较日期时间和通过添加秒数、天数、月数或年数来操纵日期时间的函数。

QDateTime可以结合QTimeZone类描述与本地时间、UTC、UTC的指定偏移量或指定时区有关的日期时间。例如,“欧洲/柏林”时区将应用自1970年以来在德国使用的日光节约规则。与之相反,从UTC +3600秒的偏移比UTC提前一小时(通常用ISO标准符号写成“UTC+01:00”),没有夏令时偏移或更改。使用本地时间或指定时区时,时区转换(如夏令时(DST;但见下文)。用于表示日期时间的系统的选择被描述为它的“timespec”。

QDateTime对象通常通过在构造函数中显式地给出日期和时间来创建,或者通过使用诸如currentDateTime()或fromMSecsSceEpoch()之类的静态函数来创建。可以使用setDate()和setTime()更改日期和时间。也可以使用setMSecsSinceEpoch()函数设置日期时间,该函数获取自1970年1月1日00:00:00以来的时间(以毫秒为单位)。fromString()函数返回QDateTime,给定一个字符串和一个用于解释字符串中日期的日期格式。文章来源地址https://www.toymoban.com/news/detail-564630.html

到了这里,关于QT学习之QDateTimeAxis的文章就介绍完了。如果您还想了解更多内容,请在右上角搜索TOY模板网以前的文章或继续浏览下面的相关文章,希望大家以后多多支持TOY模板网!

本文来自互联网用户投稿,该文观点仅代表作者本人,不代表本站立场。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如若转载,请注明出处: 如若内容造成侵权/违法违规/事实不符,请点击违法举报进行投诉反馈,一经查实,立即删除!

领支付宝红包 赞助服务器费用

相关文章

  • 学习学习之高效学习

    只有不断的学习,才能不被淘汰,但学习能力有高有低,要怎么做才能高效学习呢?有一些方法可以参考下《学习力》上提到三大学习策略: 1. 功利性学习,从实际出发,学习后立马用,定问题,定范围,实际用; 2. 搭框架学习,构建学习体系,整体性,调整性,转换性,

    2024年02月07日
    浏览(26)
  • 【学习资源】终身机器学习之增量学习

    从机器学习存在的问题谈起,介绍增量学习可以解决怎样的问题,增量学习的类别,实现增量学习的方法,增量学习的评价指标和常用数据集,类别增量学习典型方法和代码库以及参考资源,希望能帮助大家用增量学习提高图像分类、对象检测、语义分割、行为识别、对象重

    2023年04月27日
    浏览(32)
  • 机器学习之集成学习概念介绍

    机器学习中的集成学习(Ensemble Learning)是一种通过组合多个模型来提高整体性能的技术。它的基本思想是将多个学习器(弱学习器)组合成一个更强大的学习器,以提高整体性能和泛化能力。集成学习可以在各种机器学习任务中使用,包括分类、回归和聚类。 弱学习器(

    2024年01月22日
    浏览(35)
  • hadoop学习之hdfs学习

    HDFS 文件系统,可以说是分布式数据库吧 结构是 目录树 适用场景:一次写入,多次读出.好像不太支持改删 优点: 1.高容错: 因为他会备份,所以一份出问题了,并不影响其他几份 如果副本丢失后,定时恢复.应该是定时检查然后恢复 每次启动,DN向NN汇报备份的存储情况.默认每个6个小

    2024年02月16日
    浏览(37)
  • 全文检索学习之ElasticSearch学习笔记

    在非关系型数据库中,数据是非结构化的,如果直接去查找效率极低,全文检索将非结构化数据中的一部分信息提取出来,重新组织,使其变得有一定结构,然后对此有一定结构的数据进行搜索,从而达到搜索相对较快的目的。索引就是从非结构化数据中提取出的然后重新组

    2023年04月11日
    浏览(43)
  • 学习笔记之 机器学习之预测雾霾

    基础的Encoder-Decoder是存在很多弊端的,最大的问题就是信息丢失。Encoder将输入编码为固定大小的向量的过程实际上是一个“信息有损的压缩过程”,如果信息量越大,那么这个转化向量的过程对信息的损失就越大,同时,随着序列长度(sequence length)的增加,意味着时间维度

    2024年01月23日
    浏览(30)
  • Linux学习--MySQL学习之查询语句

    1:常用函数 字符函数 数学函数 日期函数 聚集函数 数学计算 if函数 case函数 2:查询结果处理 3:管理表记录

    2024年02月09日
    浏览(28)
  • Spark-机器学习(4)回归学习之逻辑回归

    在之前的文章中,我们来学习我们回归中的线性回归,了解了它的算法,知道了它的用法,并带来了简单案例。想了解的朋友可以查看这篇文章。同时,希望我的文章能帮助到你,如果觉得我的文章写的不错,请留下你宝贵的点赞,谢谢。 Spark-机器学习(3)回归学习之线性

    2024年04月25日
    浏览(59)
  • 机器学习之概率学习朴素贝叶斯(NB)

    依据概率原则进行分类。如天气预测概率。 朴素贝叶斯(Naive Bayes, NB)适合场景:为估计一个结果的概率,从众多属性中提取的信息应该被同时考虑。 很多算法忽略了弱影响的特征(若有大量弱影响的特征,它们组合在一起的影响可能会很大),但NB算法利用了所有可以获得

    2024年02月20日
    浏览(29)
  • Spark-机器学习(3)回归学习之线性回归

    在之前的文章中,我们了解我们的机器学习,了解我们spark机器学习中的特征提取和我们的tf-idf,word2vec算法。想了解的朋友可以查看这篇文章。同时,希望我的文章能帮助到你,如果觉得我的文章写的不错,请留下你宝贵的点赞,谢谢。 Spark-机器学习(2)特征工程之特征提

    2024年04月22日
    浏览(30)

觉得文章有用就打赏一下文章作者

支付宝扫一扫打赏

博客赞助

微信扫一扫打赏

请作者喝杯咖啡吧~博客赞助

支付宝扫一扫领取红包,优惠每天领

二维码1

领取红包

二维码2

领红包