Mysql命令总结

– 排序 默认是升序的 多个字段排序 哪个字段排序在前先排序
select id,name,age,birth from teacher order BY age,birth DESC;
select id,name,age from teacher order by age ASC;
select birth from teacher order by birth desc;
– 列名 as 序号
select id as 序号,name as 名字,age as 年龄,birth as 生日 from teacher;
– 列名(空格)序号
select id 序号,name 名字,age 年龄,birth 生日 from teacher;
select * from teacher limit 4;-- 查出前四行数据
– 第一页()
select * from teacher limit 0,4;-- 从第0+1行开始查询 显示多少行
– 第二页
select * from teacher limit 4,4;
– 第三页
select * from teacher limit 8,4;
– 连接字符串
select CONCAT(‘a’,‘b’);
select concat(‘fdg’,‘fdgdf’);
select concat(name,id) from teacher;
– 连接字符串后的长度
select LENGTH(concat(‘a’,‘b’));
– 替换
select REPLACE (‘abcdefg’,‘a’,’*’);
– 从第二个开始,后面数五个,包括第二个
select substring(‘abcdefghij’,2,5);
update teacher set name=replace(name,‘王天一’,’**’)where id=4;
select now();-- 显示当前系统时间
select date_format(NOW(),’%Y-%m-%d %h:%i:%s’);
– 字符串类型时间转date format类型格式必须与日期时间格式相同,否则返回null
select str_to_date(‘2018-08-27 11:24:32’,’%Y-%m-%d %h’);
select round(25.6564,2);-- 四舍五入-
select convert(123,char(2));-- int转换为char
select convert(‘123’,signed);-- 字符串转换为int类型
alter table teacher add COLUMN score int;
SELECT * from teacher;
update teacher set score=90 where age=62;
– 如果字段值非空,则返回该值,否则返回value
select name,age,sex,IFNULL(score,‘0’)from teacher;
SELECT * from sanguo;
– 如果表名后不添加字段,那么必须插入所有值。
insert into sanguo values(6,‘周瑜’,45,‘男’,’《三国演义》’);
– 如果插入部分字段的值,那么必须在表名后面指定插入字段的名字。
insert into sanguo(name,age,sex)VALUES(‘诸葛亮’,65,‘男’);
– 备份sanguo表 结构和数据 1.导出备份文件
– 2.拷贝了表结构 数据 但是约束没有了
create table sanguo_copy SELECT * from sanguo;
SELECT * from sanguo_copy;
– 表必须已经存在
INSERT INTO sanguo_copy (id,name,age)SELECT id,name,age from sanguo;
SELECT * from sanguo;
– 更新多个字段 为保证更新的唯一性 一般使用ID更新
update sanguo set name=‘关平’,age=20 where id=1;
UPDATE sanguo set comefrom=‘三国’;
alter table san RENAME sanguo;
SELECT * from sanguo where id=1;
update sanguo set name=‘sb’ where id in (6,7,8);
UPDATE sanguo set age=1 where id<5 and id>3;
SELECT LAST_INSERT_ID();-- 查看最后插入的id是什么
– delete可以删除部分数据 但是id不会重新开始
DELETE from sanguo where id=8;
DELETE FROM sanguo where id in(6,7);
– truncate只能删除全表数据 不能删除部分数据 id从新开始
TRUNCATE TABLE sanguo;
– 级联 casecade
– 级联 删除 如果删除父表中的数据,那么对应子表中数据也删除
DELETE from stu WHERE id=3;
SELECT * from sanguo;
SELECT * from stu;
– 级联 更新 如果更新父表中与子表关联的字段数据(id),那么对应子表中关联的字段数据也相应更新i
update stu set id=5 where id=1;
update stu set id=6 where id=5;
update sanguo set name=‘傻逼’ where id=2;
update stu set name=‘关羽’ WHERE id=6;

select * from student;
select * from student limit 5,5;
select * from student where sex=‘女’ or age=18;
select concat(‘我叫’,name,’,’,‘今年’,age,‘岁’,’,’,‘我来自’,address) from student;
– 找到名字里含八的
select * from student where name like concat(’%’,‘八’,’%’);
– 匹配一个字符
select * from student where name like ‘八’;
select * from student where name like ‘八’;
select * from student where name like ‘%八’;
select * from student where name like ‘八%’;
– 查找所有含八的
select * from student where name like ‘%八%’;
– 转义字符
select * from student where name like '张/’ escape ‘/’;
select id,name 姓名 from student where name REGEXP ‘.’;
select * from student where age between 18 and 19;
select * from student where age>17 and age<19;
select * from emp;
– 算出本月开发部所发工资
select sum(sal) from emp where deptid=1;
– 算出开发部平均工资
select round(avg(sal),1) 平均月薪 from emp where deptid=1;
– 算出测试部工资最高的
select max(sal+com),ename from emp where deptid=2;
– 算出运维部工资最低的
select min(sal+com) from emp where deptid=3;
select count() 总数 from emp;
– 查询每个部门的人数 注 规定select后面出现的字段必须是group by后的字段或者聚合函数
– select deptid,ename ,count()from emp where 1=1 group by deptid;错误的sql语句
select deptid,count(ename) 人数,SUM(sal+com) 工资总数,MAX(sal+com) 最高工资,
MIN(sal+com) 最低工资,round(avg(sal+com),1) 部门平均工资 from emp where 1=1 group by deptid;
– 针对部门的平均工资 排序 升序
select deptid,avg(sal+com) 平均工资 from emp where 1=1 group by deptid order by 平均工资;
– where 针对每条数据 条件
select deptid,avg(sal+com) 平均工资 from emp where 1=1 group by deptid order by avg(sal+com);
– 查询每个部门中男女的人数
select deptid,sex,count() from emp where 1=1 group by deptid,sex;
– group by 结果集 只有两列 deptid cou
– 1:where 2:group by 3:having 4:order by
select deptid,count() cou from emp where 1=1 group by deptid having cou>0 order by cou limit 0,2;

select deptid,count(*),avg(sco) from score where sco>60 group by deptid;

– 表连接
select empno,ename,sex,DEPT from emp,dept where emp.id=dept.id;
select e.empno,e.ename,e.sex,d.DEPT from emp e,dept d where e.id=d.id;
select e.empno,d.DEPT,c.comfrom from emp e,dept d,come c where e.id=d.id and d.comid=c.comid;
– 内连接 等值连接 表一 表二 匹配数据存在,
select d.DEPT,c.comfrom from dept d inner join come c on d.comid=c.comid;
– 自连接
select f.id,f.name,t.name pname from t_function f join t_function t on f.id=t.pid;
– 外连接 左外连接 右外连接
– 左外连接 以左表为主表 通常以左外连接为常用连接
select e.ename,e.sex,d.DEPT,s.sco from emp e left join dept d on e.id=d.id left join score s on d.id=s.id;
– 右外连接 以右表为主表
select e.ename,e.sex,d.DEPT from emp e right join dept d on e.id=d.id;
– 查询每个部门的员工人数 将部门dept表左连接员工信息表emp
select d.id,count(e.id) from dept d
left join emp e on e.deptid=d.id
where d.comid is not null group by d.id
having count(e.id)>0
order by d.id DESC;
– 子查询
select id,ename from emp where id in (2,3,4,5,6,7);
select id,ename from emp where id in (select id from emp where id>1);
select d.id,d.DEPT,(select count(*) from emp e where e.deptid=d.id) sum from dept d;

深度学习是机器学习的一个子领域,它基于人工神经网络的研究,特别是利用多层次的神经网络来进行学习和模式识别。深度学习模型能够学习数据的高层次特征,这些特征对于图像和语音识别、自然语言处理、医学图像分析等应用至关重要。以下是深度学习的一些关键概念和组成部分: 1. **神经网络(Neural Networks)**:深度学习的基础是人工神经网络,它是由多个层组成的网络结构,包括输入层、隐藏层和输出层。每个层由多个神经元组成,神经元之间通过权重连接。 2. **前馈神经网络(Feedforward Neural Networks)**:这是最常见的神经网络类型,信息从输入层流向隐藏层,最终到达输出层。 3. **卷积神经网络(Convolutional Neural Networks, CNNs)**:这种网络特别适合处理具有网格结构的数据,如图像。它们使用卷积层来提取图像的特征。 4. **循环神经网络(Recurrent Neural Networks, RNNs)**:这种网络能够处理序列数据,如时间序列或自然语言,因为它们具有记忆功能,能够捕捉数据中的时间依赖性。 5. **长短期记忆网络(Long Short-Term Memory, LSTM)**:LSTM 是一种特殊的 RNN,它能够学习长期依赖关系,非常适合复杂的序列预测任务。 6. **生成对抗网络(Generative Adversarial Networks, GANs)**:由两个网络组成,一个生成器和一个判别器,它们相互竞争,生成器生成数据,判别器评估数据的真实性。 7. **深度学习框架**:如 TensorFlow、Keras、PyTorch 等,这些框架提供了构建、训练和部署深度学习模型的工具和库。 8. **激活函数(Activation Functions)**:如 ReLU、Sigmoid、Tanh 等,它们在神经网络中用于添加非线性,使得网络能够学习复杂的函数。 9. **损失函数(Loss Functions)**:用于评估模型的预测与真实值之间的差异,常见的损失函数包括均方误差(MSE)、交叉熵(Cross-Entropy)等。 10. **优化算法(Optimization Algorithms)**:如梯度下降(Gradient Descent)、随机梯度下降(SGD)、Adam 等,用于更新网络权重,以最小化损失函数。 11. **正则化(Regularization)**:技术如 Dropout、L1/L2 正则化等,用于防止模型过拟合。 12. **迁移学习(Transfer Learning)**:利用在一个任务上训练好的模型来提高另一个相关任务的性能。 深度学习在许多领域都取得了显著的成就,但它也面临着一些挑战,如对大量数据的依赖、模型的解释性差、计算资源消耗大等。研究人员正在不断探索新的方法来解决这些问题。
【6层】4837.9平米六层框架综合办公楼(含计算书、建筑、结构图纸) 1、资源项目源码均已通过严格测试验证,保证能够正常运行; 2、项目问题、技术讨论,可以给博主私信或留言,博主看到后会第一时间与您进行沟通; 3、本项目比较适合计算机领域相关的毕业设计课题、课程作业等使用,尤其对于人工智能、计算机科学与技术等相关专业,更为适合; 4、下载使用后,可先查看README.md或论文文件(如有),本项目仅用作交流学习参考,请切勿用于商业用途。 5、资源来自互联网采集,如有侵权,私聊博主删除。 6、可私信博主看论文后选择购买源代码。 1、资源项目源码均已通过严格测试验证,保证能够正常运行; 2、项目问题、技术讨论,可以给博主私信或留言,博主看到后会第一时间与您进行沟通; 3、本项目比较适合计算机领域相关的毕业设计课题、课程作业等使用,尤其对于人工智能、计算机科学与技术等相关专业,更为适合; 4、下载使用后,可先查看README.md或论文文件(如有),本项目仅用作交流学习参考,请切勿用于商业用途。 5、资源来自互联网采集,如有侵权,私聊博主删除。 6、可私信博主看论文后选择购买源代码。 1、资源项目源码均已通过严格测试验证,保证能够正常运行; 2、项目问题、技术讨论,可以给博主私信或留言,博主看到后会第一时间与您进行沟通; 3、本项目比较适合计算机领域相关的毕业设计课题、课程作业等使用,尤其对于人工智能、计算机科学与技术等相关专业,更为适合; 4、下载使用后,可先查看README.md或论文文件(如有),本项目仅用作交流学习参考,请切勿用于商业用途。 5、资源来自互联网采集,如有侵权,私聊博主删除。 6、可私信博主看论文后选择购买源代码。
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值