sql 如何查询不在某个范围内的数据

用not in语句即可解决。

【SQL查询存在一个表而不在另一个表中的数据的具体方法】

例如:A、B两表,找出ID字段中,存在A表,但是不存在B表的数据。A表总共13w数据,去重后大约3W条数据,B表有2W条数据,且B表的ID字段有索引。

方法一

使用 not in ,容易理解,效率低  ~执行时间为:1.395秒~

方法二

使用 left join...on... , "B.ID isnull" 表示左连接之后在B.ID 字段为 null的记录  ~执行时间:0.739秒~

 

 

 

方法三

逻辑相对复杂,但是速度最快  ~执行时间: 0.570秒~

 

  • 1
    点赞
  • 1
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
PL/SQL Developer是一个集成开发环境,专门面向Oracle数据库存储程序单元的开发。如今,有越来越多的商业逻辑和应用逻辑转向了Oracle Server,因此,PL/SQL编程也成了整个开发过程的一个重要组成部分。PL/SQL Developer侧重于易用性、代码品质和生产力,充分发挥Oracle应用程序开发过程中的主要优势。     PL/SQL Developer v8.0主要特性: PL/SQL编辑器,功能强大——该编辑器具有语法加强、SQL和PL/SQL帮助、对象描述、代码助手、编译器提示、PL/SQL完善、代码内容、代码分级、浏览器按钮、超链接导航、宏库等许多智能特性,能够满足要求性最高的用户需求。当您需要某个信息时,它将自动出现,至多单击即可将信息调出。 集成调试器(要求Oracle 7.3.4或更高)——该调试器提供您所需要的全部特性:跳入(Step In)、跳过(Step Over)、跳出(Step Out)、异常时停止运行、断点、观察和设置变量、观察全部堆栈等。基本能够调试任何程序单元(包括触发器和Oracle8 对象类型),无需作出任何修改。 PL/SQL完善器——该完善器允许您通过用户定义的规则对SQL和PL/SQL代码进行规范化处理。在编译、保存、打开一个文件时,代码将自动被规范化。该特性提高了您编码的生产力,改善了PL/SQL代码的可读性,促进了大规模工作团队的协作。 SQL 窗口——该窗口允许您输入任何SQL语句,并以栅格形式对结果进行观察和编辑,支持按范例查询模式,以便在某个结果集合中查找特定记录。另外,还含有历史缓存,您可以轻松调用先前执行过的SQL语句。该SQL编辑器提供了同PL/SQL编辑器相同的强大特性。 命令窗口——使用PL/SQL Developer 的命令窗口能够开发并运行SQL脚本。该窗口具有同SQL*Plus相同的感观,另外还增加了一个内置的带语法加强特性的脚本编辑器。这样,您就可以开发自己的脚本,无需编辑脚本/保存脚本/转换为SQL*Plus/运行脚本过程,也不用离开PL/SQL Developer集成开发环境。 报告——PL/SQL Developer提供内置的报告功能,您可以根据程序数据或Oracle字典运行报告。PL/SQL Developer本身提供了大量标准报告,而且您还可以方便的创建自定义报告。自定义报告将被保存在报告文件中,进而包含在报告菜单内。这样,运行您自己经常使用的自定义报告就非常方便。 您可以使用Query Reporter免费软件工具来运行您的报告,不需要PL/SQL Developer,直接从命令行运行即可。 工程——PL/SQL Developer内置的工程概念可以用来组织您的工作。一个工程包括源文件集合、数据库对象、notes和选项。PL/SQL Developer允许您在某些特定的条目集合范围之内进行工作,而不是在完全的数据库或架构之内。这样,如果需要编译所有工程条目或者将工程从某个位置或数据库移动到其他位置时,所需工程条目的查找就变得比较简单, To-Do条目——您可以在任何SQL或PL/SQL源文件中使用To-Do条目快速记录该文件中那些需要进行的事项。以后能够从To-Do列表中访问这些信息,访问操作可以在对象层或工程层进行。 对象浏览器——可配置的树形浏览能够显示同PL/SQL开发相关的全部信息,使用该浏览器可以获取对象描述、浏览对象定义、创建测试脚本以便调试、使能或禁止触发器或约束条件、重新编译不合法对象、查询或编辑表格、浏览数据、在对象源中进行文本查找、拖放对象名到编辑器等。 此外,该对象浏览器还可以显示对象之间的依存关系,您可以递归的扩展这些依存对象(如包参考检查、浏览参考表格、图表类型等)。 性能优化——使用PL/SQL Profiler,可以浏览每一执行的PL/SQL代码行的时序信息(Oracle8i或更高),从而优化您SQL和PL/SQL的代码性能。 更进一步,您还可以自动获取所执行的SQL语句和PL/SQL程序统计信息。该统计信息包括CPU使用情况、块I/O、记录I/O、表格扫描、分类等。 HTML指南——Oracle目前支持HTML格式的在线指南。您可以将其集成到PL/SQL Developer工作环境中,以便在编辑、编译出错或运行时出错时提供内容敏感帮助。 非PL/SQL对象——不使用任何SQL,您就可以对表格、序列、符号、库、目录、工作、队列、用户和角色进行浏览、创建和修改行为。PL/SQL Developer提供了一个简单易用的窗体,只要将信息输入其中,PL/SQL Developer就将生成相应的SQL,从而创建或转换对象。 模板列表——PL/SQL Developer的模板列表可用作一个实时的帮助组件,协助您强制实现标准化。只要点击相应的模板,您就可以向编辑器中插入标准的SQL或PL/SQL代码,或者从草稿出发来创建一个新程序。 查询构建器——图形化查询构建器简化了新选择语句的创建和已有语句的修改过程。只要拖放表格和视窗,为区域列表选择专栏,基于外部键约束定义联合表格即可。 比较用户对象——对表格定义、视图、程序单元等作出修改后,将这些修改传递给其他数据库用户或检查修改前后的区别将是非常有用的。这也许是一个其他的开发环境,如测试环境或制作环境等。而比较用户对象功能则允许您对所选对象进行比较,将不同点可视化,并运行或保存应用必要变动的SQL脚本。 导出用户对象——该工具可以导出用户所选对象的DDL(数据定义语言)语句。您可以方便的为其他用户重新创建对象,也可以保存文件作为备份。 工具——PL/SQL Developer为简化日常开发专门提供了几种工具。使用这些工具,您可以重新编译全部不合法对象、查找数据库源中文本、导入或导出表格、生成测试数据、导出文本文件、监控dbms_alert和dbms_pipe事件、浏览会话信息等。 授权——大多数开发环境中,您不希望所有数据库都具备PL/SQL Developer的全部功能性。例如,数据库开发中您可以允许PL/SQL Developer的全部功能性,而数据库测试中您可以仅允许数据查询/编辑和对象浏览功能,而数据库制作中您甚至根本不希望PL/SQL Developer访问。利用PL/SQL Developer授权功能,您可以方便的定义特定用户或规则所允许使用的功能。 插件扩展——可以通过插件对PL/SQL Developer功能进行扩展。Add-ons页面提供插件可以免费下载。Allround Automations或其他用户均可提供插件(如版本控制插件或plsqldoc插件)。如果您具备创建DLL的编程语言,您还可以自己编写插件。 多线程IDE——PL/SQL Developer是一个多线程IDE。这样,当SQL查询、PL/SQL程序、调试会话等正在运行时,您依然可以继续工作。而且,该多线程IDE还意味着出现编程错误时不会中止:您在任何时间都可以中断执行或保存您的工作。 易于安装——不同于SQL*Net,无需中间件,也无需数据库对象安装。只需点击安装程序按钮,您就可以开始安装从而使用软件了。
数据挖掘与数据分析 数据挖掘与数据分析 ⼀、数据挖掘和数据分析概述 数据挖掘和数据分析都是从数据中提取⼀些有价值的信息,⼆者有很多联系,但是⼆者的侧重点和实现⼿法有所区分。 数据挖掘和数据分析的不同之处: 1、在应⽤⼯具上,数据挖掘⼀般要通过⾃⼰的编程来实现需要掌握编程语⾔;⽽数据分析更多的是借助现有的分析⼯具进⾏。 2、在⾏业知识⽅⾯,数据分析要求对所从事的⾏业有⽐较深的了解和理解,并且能够将数据与⾃⾝的业务紧密结合起来;⽽数据挖掘不需 要有太多的⾏业的专业知识。 3、交叉学科⽅⾯,数据分析需要结合统计学、营销学、⼼理学以及⾦融、政治等⽅⾯进⾏综合分析;数据挖掘更多的是注重技术层⾯的结 合以及数学和计算机的集合 数据挖掘和数据分析的相似之处: 1、数据挖掘和数据分析都是对数据进⾏分析、处理等操作进⽽得到有价值的知识。 2、都需要懂统计学,懂数据处理⼀些常⽤的⽅法,对数据的敏感度⽐较好。 3、数据挖掘和数据分析的联系越来越紧密,很多数据分析⼈员开始使⽤编程⼯具进⾏数据分析,如SAS、R、SPSS等。⽽数据挖掘⼈员 在结果表达及分析⽅⾯也会借助数据分析的⼿段。⼆者的关系的界限变得越来越模糊。 ⼆、数据挖掘 1 数学预备知识 概率论:⽀撑整个数据挖掘算法和机器学习算法的数学基础,要熟悉常见的⼀些概率分布。 矩阵论:线性代数中对数据挖掘最有⽤的部分,还有⼀些线性空间相关知识也很重要。 信息论:将信息和数学紧密连接在⼀起并完美的表达的桥梁,需要掌握信息熵、信息增益等相关知识。 统计学:数据分析最早的依赖基础,通常和概率论⼀起应⽤,现在的机器学习和数据挖掘很多都是基于统计的,常见的均值、⽅差、协⽅差 等都要熟练掌握。 2 编程基础 数据挖掘需要⼀定的编程基础,因为要实现模型以及数据的处理很多⼯作都是需要程序来进⾏的,数据挖掘常⽤的编程语⾔如下: SQL数据库的熟练使⽤是任何数据挖掘⼈员必不可少的技能。 C++ :有很多的标准模板库以及机器学习模型库进⾏调⽤可以⽅便编程实现。 Python:对字符串处理有极⼤的优势,是解释型语⾔,实现简单,⽽且有很多开源的机器学习模型库的⽀持,可处理⼤规模数据。 Matlab:拥有强⼤的矩阵运算,也是解释型语⾔,有很多发展较成熟库可以直接调⽤,⽀持数据结果的可视化表⽰,但是处理数据量有 限。 R:近年兴起的数据分析编程语⾔,数据可视化做的⽐较好,语法简单,学习成本很低,很多⾮程序设计⼈员都可以数量掌握。 Java:使⽤范围最⼴的编程语⾔,有很多社区进⾏交流,进⾏编程实现具有灵活⾼效的特点,不⾜之处就是实现功能的代码量较⼤(相对于 其他数据挖掘编程语⾔)。 Scala: ⼀种具有⾯向对象风格、函数式风格、更⾼层的并发模型的编程语⾔。同时Scala是⼤数据处理平台Spark的实现语⾔。 3 数据挖掘的模型知识 机器学习和数据挖掘是紧密相关的,要进⾏数据挖掘需要掌握⼀些机器学习所⽤的⽅法和模型知识,通过模型的训练可以得到处理数据的最 优的模型。数据挖掘常⽤的模型如下: 3.1 监督学习模型 就是⼈们常说的分类,通过已有的训练样本(即已知数据以及其对应的输出)去训练得到⼀个最优模型(这个模型属于某个函数的集合,最 优则表⽰在某个评价准则下是最佳的),再利⽤这个模型将所有的输⼊映射为相应的输出,对输出进⾏简单的判断从⽽实现分类的⽬的,也 就具有了对未知数据进⾏分类的能⼒。 3.1.1决策树: 决策树是⽤于分类和预测的主要技术之⼀,决策树学习是以实例为基础的归纳学习算法,它着眼于从⼀组⽆次序、⽆规则的实例中推理出以 决策树表⽰的分类规则。构造决策树的⽬的是找出属性和类别间的关系,⽤它来预测将来未知类别的记录的类别。它采⽤⾃顶向下的递归⽅ 式,在决策树的内部节点进⾏属性的⽐较,并根据不同属性值判断从该节点向下的分⽀,在决策树的叶节点得到结论。 主要的决策树算法有ID3、C4.5(C5.0)、CART、PUBLIC、SLIQ和SPRINT算法等。它们在选择测试属性采⽤的技术、⽣成的决策树的 结构、剪枝的⽅法以及时刻,能否处理⼤数据集等⽅⾯都有各⾃的不同之处。 3.1.2 贝叶斯⽅法: 贝叶斯(Bayes)分类算法是⼀类利⽤概率统计知识进⾏分类的算法,如朴素贝叶斯(Naive Bayes)算法。这些算法主要利⽤Bayes定理 来预测⼀个未知类别的样本属于各个类别的可能性,选择其中可能性最⼤的⼀个类别作为该样本的最终类别。由于贝叶斯定理的成⽴本⾝需 要⼀个很强的条件独⽴性假设前提,⽽此假设在实际情况中经常是不成⽴的,因⽽其分类准确性就会下降。为此就出现了许多降低独⽴性假 设的贝叶斯分类算法,如TAN(Tree Augmented Native Bayes)算法,它是在贝叶斯⽹络结构的基础上增加属性对之间的关联来实现 的。

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
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