MySQL:连接查询

#进阶6:连接查询
/*
含义:又称多表查询,当查询的字段来自于多个表时,就会用到连接查询
笛卡尔乘积现象:表1有m行,表二有n行,结果有m * n行
发生的原因是没有有效的连接条件
分类
    
     按年代分类
     sql92
     sql99
     
     按功能分类
          内连接:
               等值连接
               1,多表查询值得结果为多表的交集部分
               2,n表连接,至少需要n - 1个连接条件
               3,多表的顺序没有要求
               4,一般为表别名
        
               非等值连接
               自然连接
          外连接
               左外连接
               右外连接
               全外连接
               
          交叉连接
*/
SELECT  *
FROM    boys;#男生表

#----------------
SELECT  *
FROM    beauty;#女生表

#------------------
#根据男女生·表来配对

SELECT  NAME,boyName
FROM    beauty,boys;#这样会出现错误被称为笛卡尔成积的错误

#改正
SELECT  NAME,boyName
FROM    beauty,boys
WHERE   beauty.`boyfriend_id` = boys.`id`;
#--------------------------------
#一,sql92标准
#1,等值连接
#查询女生名和对应的男生名
SELECT beauty.`name`,boys.`boyName`

FROM beauty,boys

WHERE
     beauty.`boyfriend_id` = boys.`id`;

#2,查询员工名,和对应的部门名
SELECT last_name,department_name

FROM employees AS e,departments AS d

WHERE e.`department_id` = d.`department_id`;

#3,查询员工名,工种号,工种名
SELECT  last_name,e.job_id,job_title

FROM employees AS e,jobs AS j#为表起别名,如果为表起别名,则查询的字段就不能使用原来的表名去限定

WHERE e.`job_id` = j.`job_id`;


#添加筛选
#4,查询有奖金的员工名和部门名
SELECT last_name,department_name,commission_pct

FROM employees AS e,departments AS d

WHERE commission_pct IS NOT NULL 
AND e.`department_id` = d.`department_id`;


#5,查询城市名中第二个字符为o的部门名和城市名

SELECT  department_name,city

FROM departments AS d,locations AS l

WHERE city LIKE '_o%'

AND d.`location_id` = l.`location_id`;


#加分组

#6,查询每一个城市的部门个数
SELECT  COUNT(*),city

FROM departments AS d,locations AS l

WHERE d.`location_id` = l.`location_id`

GROUP BY city;

#7,查询有奖金的每一个部门的部门名和部门领导编号和该部门的最低工资
SELECT department_name,d.manager_id,MIN(salary)

FROM departments AS d,employees AS e

WHERE commission_pct IS NOT NULL
AND  d.`department_id` = e.`department_id`

GROUP BY department_name;
 
#加排序
#查询每个工种的工种名和员工个数,并且按员工个数降序
SELECT COUNT(*),job_title

FROM employees AS e,jobs AS j

WHERE e.`job_id` = j.`job_id`

GROUP BY job_title

ORDER BY COUNT(*)
DESC;

#实现三表连接
#查询员工名,部门名,所在城市
SELECT last_name,department_name,city

FROM employees AS e,departments AS d,locations AS l

WHERE e.`department_id` = d.`department_id` AND d.`location_id` = l.`location_id`;


#非等值连接
#查询员工的工资和工资等级
SELECT salary,grade_level

FROM  employees AS e,job_grades AS j

WHERE salary BETWEEN j.`lowest_sal` AND j.`highest_sal`
ORDER BY salary;
     
#select salary,employee_id from employees;

#select * from job_grades;

/*
CREATE TABLE job_grades
(grade_level VARCHAR(3),
 lowest_sal  int,
 highest_sal int);

INSERT INTO job_grades
VALUES ('A', 1000, 2999);

INSERT INTO job_grades
VALUES ('B', 3000, 5999);

INSERT INTO job_grades
VALUES('C', 6000, 9999);

INSERT INTO job_grades
VALUES('D', 10000, 14999);

INSERT INTO job_grades
VALUES('E', 15000, 24999);

INSERT INTO job_grades
VALUES('F', 25000, 40000);
*/
#自连接(查询时同一个表用两次)
#查询员工名,和上级名
SELECT e1.manager_id,e1.`last_name`,e2.`employee_id`,e2.`last_name`

FROM employees AS e1,employees AS e2

WHERE e1.manager_id = e2.employee_id;

#----------练习
#显示员工表的最大工资,工资的平均值
SELECT  MAX(salary),AVG(salary)

FROM  employees;

#查询员工表的employee_id,job_id,last_name,按department_id降序,salary升序
SELECT employee_id,job_id,last_name

FROM employees

ORDER BY department_id DESC,salary;

#查询员工表的job_id中包含a和e的并且a在e的前面
SELECT  job_id

FROM employees

WHERE job_id LIKE '%a%e%';


#查询当前时间
SELECT 
 NOW();
 
#-------------------------案例
#1,查询所有员工的姓名,部门号和部门名称
SELECT last_name,e.department_id,department_name

FROM employees AS e,departments AS d

WHERE e.`department_id` = d.`department_id`;

#2,查询90号部门员工的job_id,和90号部门的location_id
SELECT job_id,location_id

FROM employees AS e,departments AS d

WHERE e.`department_id` = 90
AND e.`department_id` = d.`department_id`;

#3,查询所有有奖金的员工的last_name,department_id,deparment_name

SELECT last_name,e.department_id,d.`department_name`

FROM employees AS e,departments AS d

WHERE commission_pct IS NOT NULL;

#4,查询city在Toronto工作的员工的last_name,job_id,deparment_id,deparment_name
SELECT last_name,job_id,e.department_id,department_name,l.`city`

FROM employees AS e,departments AS d,locations AS l

WHERE e.`department_id` = d.`department_id`
AND  d.`location_id` = l.`location_id` 

AND  l.`city` = 'Toronto' ;


#5,查询每一个工种,每一个部门的部门名,工种名和最低工资
SELECT department_name,job_title,MIN(salary)

FROM employees AS e,departments AS d,jobs AS j

WHERE e.`department_id` = d.`department_id`
AND e.`job_id` = j.`job_id`

GROUP BY j.`job_title`,d.`department_name`;

#6,查询每个国家下的部门个数大于2的国家编号
SELECT country_id,COUNT(*)

FROM departments AS d,locations AS l

WHERE d.`location_id` = l.`location_id` 


GROUP BY country_id

HAVING COUNT(*) > 2;




【6层】一字型框架办公楼(含建筑结构图、计算书) 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。
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。
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