如何在QStatusBar中均匀分布QLabel并随QSortFilterProxyModel过滤动态更新统计

我来帮你搞定这个需求！核心要解决两个关键点：一是让状态栏的QLabel和表格列宽完全同步，实现均匀分布；二是在数据过滤（或其他数据变化）时，自动更新每列的统计信息（count或sum）。下面一步步拆解实现：

1. 初始化状态栏标签，和表格列一一绑定 #

首先为表格的每一列创建对应的QLabel，添加到QStatusBar中，并且让它们的宽度和表格列宽实时同步——用户调整列宽时，状态栏标签也会跟着变化，自然就实现了和表格列一致的分布效果。

2. 区分可求和列与非求和列 #

根据数据类型判断：数值型（int、float等）列计算sum，非数值型（字符串、日期等）列显示过滤后的行数count。借助Pandas的类型判断函数就能轻松实现，你也可以根据自己的业务逻辑自定义判断规则。

3. 绑定信号，实现统计自动更新 #

因为用了QSortFilterProxyModel，所以要监听代理模型的所有数据变化信号（比如dataChanged、rowsInserted、layoutChanged），一旦数据发生变动就触发统计更新。同时监听表格的columnResized信号，同步标签宽度。

完整代码示例（PyQt5 + Pandas） #

from PyQt5.QtWidgets import (QApplication, QMainWindow, QTableView, QStatusBar, QLabel)
from PyQt5.QtCore import QSortFilterProxyModel, Qt, QAbstractItemModel
import pandas as pd

class MainWindow(QMainWindow):
    def __init__(self, data):
        super().__init__()
        self.data = data
        self.table_view = QTableView()
        self.setCentralWidget(self.table_view)
        
        # 配置模型：原始DataFrame模型 + 过滤代理模型
        self.source_model = PandasModel(data)
        self.proxy_model = QSortFilterProxyModel()
        self.proxy_model.setSourceModel(self.source_model)
        self.table_view.setModel(self.proxy_model)
        
        # 初始化状态栏标签
        self.status_labels = []
        self.status_bar = QStatusBar()
        self.setStatusBar(self.status_bar)
        self._setup_status_labels()
        
        # 绑定关键信号
        self.table_view.columnResized.connect(self._sync_label_width)
        # 监听代理模型的所有数据变化，触发统计更新
        self.proxy_model.dataChanged.connect(self.update_status_stats)
        self.proxy_model.rowsInserted.connect(self.update_status_stats)
        self.proxy_model.rowsRemoved.connect(self.update_status_stats)
        self.proxy_model.layoutChanged.connect(self.update_status_stats)
        
        # 初始加载时更新一次统计
        self.update_status_stats()
    
    def _setup_status_labels(self):
        # 为每一列创建居中对齐的标签
        for _ in range(self.data.shape[1]):
            label = QLabel()
            label.setAlignment(Qt.AlignCenter)
            self.status_labels.append(label)
            self.status_bar.addWidget(label)
    
    def _sync_label_width(self, column, old_width, new_width):
        # 同步状态栏标签宽度和表格列宽
        if column < len(self.status_labels):
            self.status_labels[column].setFixedWidth(new_width)
    
    def _is_column_sumable(self, column_idx):
        # 判断当前列是否支持求和（数值型）
        return pd.api.types.is_numeric_dtype(self.data.dtypes[column_idx])
    
    def update_status_stats(self):
        # 更新每个标签的统计文本
        for idx, label in enumerate(self.status_labels):
            filtered_row_count = self.proxy_model.rowCount()
            
            if self._is_column_sumable(idx):
                # 优化：通过代理模型映射获取原始行索引，用Pandas原生求和（效率更高）
                source_row_ids = []
                for row in range(filtered_row_count):
                    proxy_index = self.proxy_model.index(row, idx)
                    source_index = self.proxy_model.mapToSource(proxy_index)
                    source_row_ids.append(source_index.row())
                total_sum = self.data.iloc[source_row_ids, idx].sum()
                label.setText(f"sum: {total_sum:.2f}")
            else:
                # 非数值列显示过滤后的行数
                label.setText(f"count: {filtered_row_count}")

# 自定义Pandas模型：将DataFrame转换为Qt可识别的模型
class PandasModel(QAbstractItemModel):
    def __init__(self, df):
        super().__init__()
        self.df = df
    
    def rowCount(self, parent=None):
        return self.df.shape[0]
    
    def columnCount(self, parent=None):
        return self.df.shape[1]
    
    def data(self, index, role=Qt.DisplayRole):
        if role == Qt.DisplayRole:
            return str(self.df.iloc[index.row(), index.column()])
        return None
    
    def headerData(self, section, orientation, role=Qt.DisplayRole):
        if role == Qt.DisplayRole:
            if orientation == Qt.Horizontal:
                return str(self.df.columns[section])
            return str(section)
        return None

# 测试代码
if __name__ == "__main__":
    app = QApplication([])
    test_data = pd.DataFrame({
        "Name": ["Alice", "Bob", "Charlie", "David"],
        "Age": [25, 30, 35, 40],
        "Salary": [50000, 65000, 75000, 90000],
        "Department": ["HR", "Engineering", "Engineering", "Finance"]
    })
    window = MainWindow(test_data)
    window.show()
    app.exec_()

关键细节说明 #

• 列宽同步：通过columnResized信号实时更新标签宽度，确保状态栏和表格列完全对齐，分布效果一致。
• 高效统计：求和时没有逐行遍历Qt模型，而是通过代理模型映射回原始DataFrame的行索引，用Pandas原生sum方法，数据量大时效率提升明显。
• 自动更新：绑定了代理模型的所有数据变化信号，不管是过滤、修改数据还是增删行，状态栏都会自动刷新统计结果。

内容的提问来源于stack exchange，提问作者New2coding