C# DataSet.AcceptChanges 方法

简介: DataSet.AcceptChanges 方法:         提交自加载此 DataSet 或上次调用 AcceptChanges 以来对其进行的所有更改。         DataRow 和 DataTable 类都具有 AcceptChanges 方法。 在 DataTable 级别调用 AcceptChanges,会为要调用的每个 DataRow 调用 AcceptChan
DataSet.AcceptChanges 方法:
        提交自加载此 DataSet 或上次调用 AcceptChanges 以来对其进行的所有更改。
        DataRow 和 DataTable 类都具有 AcceptChanges 方法。 在 DataTable 级别调用 AcceptChanges,会为要调用的每个 DataRow 调用 AcceptChanges 方法。 同样,对 DataSet 调用 AcceptChanges 会导致对 DataSet 中的每个表调用 AcceptChanges。 照这样,您可在多个级别上调用该方法。 调用 DataSet 的 AcceptChanges 将使您只需调用一次,即可对所有次级对象(例如表和行)调用该方法。
        当对 DataSet 调用 AcceptChanges 时,任何仍处于编辑模式的 DataRow 对象都将成功结束其编辑。 每个 DataRow 的 RowState 属性也都更改;Added 和 Modified 行变为 Unchanged,Deleted 行被移除。

        如果 DataSet 包含 ForeignKeyConstraint 对象,则调用 AcceptChanges 方法还将导致强制实施 AcceptRejectRule。

代码如下(程序集:System.Data(在 system.data.dll 中)):

public void AcceptChanges()
{
	IntPtr intPtr;
	Bid.ScopeEnter(out intPtr, "<ds.DataRow.AcceptChanges|API> %d#\n", this.ObjectID);
	try
	{
		this.EndEdit();
		if (this.RowState != DataRowState.Detached && this.RowState != DataRowState.Deleted && this._columns.ColumnsImplementingIChangeTrackingCount > 0)
		{
			DataColumn[] columnsImplementingIChangeTracking = this._columns.ColumnsImplementingIChangeTracking;
			for (int i = 0; i < columnsImplementingIChangeTracking.Length; i++)
			{
				DataColumn column = columnsImplementingIChangeTracking[i];
				object obj = this[column];
				if (DBNull.Value != obj)
				{
					IChangeTracking changeTracking = (IChangeTracking)obj;
					if (changeTracking.IsChanged)
					{
						changeTracking.AcceptChanges();
					}
				}
			}
		}
		this._table.CommitRow(this);
	}
	finally
	{
		Bid.ScopeLeave(ref intPtr);
	}
}

相关文章
torch.argmax(dim=1)用法
)torch.argmax(input, dim=None, keepdim=False)返回指定维度最大值的序号;
542 0
|
11月前
|
SQL 存储 分布式计算
Spark DataSet 和 DataFrame 的区别
Spark DataSet 和 DataFrame 的区别
136 0
|
缓存 Python
|
SQL 分布式计算 安全
Dataset 介绍_Dataset 是什么 | 学习笔记
快速学习 Dataset 介绍_Dataset 是什么
211 0
Dataset 介绍_Dataset 是什么 | 学习笔记
|
SQL 分布式计算 关系型数据库
Dataset 和DataFrame 的区别_Row 对象 | 学习笔记
快速学习 Dataset 和DataFrame 的区别_Row 对象
210 0
Dataset 和DataFrame 的区别_Row 对象 | 学习笔记
torch.autograd.Function 学习理解
文章目录 前言 一、概述 二、例程 三、官方的demo(指数函数)
244 0
成功解决numpy.core._internal.AxisError: axis -1 is out of bounds for array of dimension 0
成功解决numpy.core._internal.AxisError: axis -1 is out of bounds for array of dimension 0
|
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...
1352 0
|
存储 分布式计算 API
Spark Core组件:RDD、DataFrame和DataSet
1. 介绍 spark生态系统中,Spark Core,包括各种Spark的各种核心组件,它们能够对内存和硬盘进行操作,或者调用CPU进行计算。
1587 0