sqlite

1. 创建数据库
创建数据库test.db

复制代码 代码如下:
$ sqlite3 test.db       // 运行sqlite3,并指定数据库
SQLite version 3.5.1
Enter ".help" for instructions
sqlite> .help        // 查看帮助

后面的参数指定创建或打开的数据库。

2. 创建表
创建一个表class,有5列分别是id、name,sex、phone、address。

复制代码 代码如下:

sqlite> create table class(id integer primary key autoincrement, name varchar(10) not null, sex varchar(6), phone char(15), address varchar(20));

设置主键使用INTEGER PRIMARY KEY,不能用INT。自动增加是autoincrement,不同于MySQL的auto_increment。

3. 插入数据
向表class中插入数据

复制代码 代码如下:

sqlite> insert into class(id, name, sex, phone, address) values(1, 'hongdy', 'male', '11111', 'shanghai');
sqlite> insert into class(name, sex, phone, address) values('Tom', 'male', '22222', 'nanjing');
sqlite> insert into class(name, sex, phone, address) values('Mary', 'female', '33333', 'beijing');
sqlite> insert into class(name, sex, phone, address) values('Jacky', 'female', '44444', 'guangzhou');

假定插入数据之前,数据表是空的,第一条数据指定了id,实际上这个值是自动增加的,下面的插入语句就没有指定这个值。

4. 查询数据
查询表class中的数据

复制代码 代码如下:
sqlite > select * from class;     // 选择所有数据
sqlite > select * from class where name="hongdy";// 选择特定的行
sqlite > select name, phone from class;   // 选择特定的列
sqlite> select * from class order by id desc;  // 根据ID降序排列
sqlite> select * from class order by id asc;  // 根据ID升序排列
sqlite> select * from class order by id desc limit 1;// 选择ID最大的一行
sqlite> select * from class where id=(select max(id) from class); // 通过函数取ID最大值一行

limit子句可被用来限制SELECT语句返回的行数。Limit有1或2个参数,如给定2个参数,第一个指定要返回的第一行偏移量,第二个指定返回行的最大数目,初始行的偏移量是0。

5. 更新数据
更新表class中name='hongdy'的phone='88888'

复制代码 代码如下:
sqlite> update class set phone='88888' where name='hongdy';

6. 删除数据
删除表中的某一行,或删除表中所有的行

复制代码 代码如下:
sqlite> delete from class where name='hongdy'; // 删除表中name='hongdy'的那一行
sqlite> delete from class;     // 删除表中所有的行

7. 删除表
删除表class

复制代码 代码如下:
sqlite> drop table class;

8. 设置输出模式
表的输出模式有:column、list、tables、csv、insert、line、html、tcl。
设置完表的模式后,使用select查询语句,即可看到最新的输出格式。

复制代码 代码如下:

sqlite> .mode column class;     // 设置column输出模式
sqlite> select * from class;     // 查看column输出模式结果

sqlite> .mode list class;      // 设置list输出模式
sqlite> select * from class;     // 查看list输出模式结果

sqlite> .mode tables class;     // 设置tables输出模式
sqlite> select * from class;     // 查看tables输出模式结果

sqlite> .mode cvs class;      // 设置cvs输出模式
sqlite> select * from class;     // 查看cvs输出模式结果

sqlite> .mode insert class;     // 设置insert输出模式
sqlite> select * from class;     // 查看insert输出模式结果

sqlite> .mode line class;      // 设置line输出模式
sqlite> select * from class;     // 查看line输出模式结果

sqlite> .mode html class;     // 设置html输出模式
sqlite> select * from class;     // 查看html输出模式结果

9. 导出数据
先设置导出的文件名,然后查询数据,这样查询的数据就全部输出到指定的文件,终端看不到数据,此后所有的查询操作,数据都输出到文件。如果想重新让数据在终端显示,设置输出模式为stdout

复制代码 代码如下:

sqlite> .output 'result'      // 指定导出文件
sqlite> select * from class;     // 查询数据,输出到文件
sqlite> .read 'result'       // 查看到处的文件数据

sqlite> .output stdout      // 重新设置输出终端
sqlite> select * from class;     // 查询数据,可在终端看到数据

10. 导入数据
从某一个文件中导入数据

复制代码 代码如下:
sqlite> .import 'result' class     // 将result文件的数据导入到表class中
sqlite> select * from class;     // 查询数据

11. 显示数据库信息

复制代码 代码如下:

sqlite> .database       // 显示数据库文件
sqlite> .tables        // 显示数据库中的表
sqlite> .schema       // 显示数据库中所有表的创建模式
sqlite> .schema class      // 显示数据库中class表的创建模式

sqlite> .header on       // 显示表头
sqlite> .header off       // 关闭表头
sqlite> .show        // 显示sqlite设置

12. 显示时间
显示现在的日期、时间
 

复制代码 代码如下:
sqlite> select datetime("now");
2007-10-29 15:39:05
sqlite> select date("now");
2007-10-29
sqlite> select time("now");
15:39:19

  • 0
    点赞
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
目标检测(Object Detection)是计算机视觉领域的一个核心问题,其主要任务是找出图像中所有感兴趣的目标(物体),并确定它们的类别和位置。以下是对目标检测的详细阐述: 一、基本概念 目标检测的任务是解决“在哪里?是什么?”的问题,即定位出图像中目标的位置并识别出目标的类别。由于各类物体具有不同的外观、形状和姿态,加上成像时光照、遮挡等因素的干扰,目标检测一直是计算机视觉领域最具挑战性的任务之一。 二、核心问题 目标检测涉及以下几个核心问题: 分类问题:判断图像中的目标属于哪个类别。 定位问题:确定目标在图像中的具体位置。 大小问题:目标可能具有不同的大小。 形状问题:目标可能具有不同的形状。 三、算法分类 基于深度学习的目标检测算法主要分为两大类: Two-stage算法:先进行区域生成(Region Proposal),生成有可能包含待检物体的预选框(Region Proposal),再通过卷积神经网络进行样本分类。常见的Two-stage算法包括R-CNN、Fast R-CNN、Faster R-CNN等。 One-stage算法:不用生成区域提议,直接在网络中提取特征来预测物体分类和位置。常见的One-stage算法包括YOLO系列(YOLOv1、YOLOv2、YOLOv3、YOLOv4、YOLOv5等)、SSD和RetinaNet等。 四、算法原理 以YOLO系列为例,YOLO将目标检测视为回归问题,将输入图像一次性划分为多个区域,直接在输出层预测边界框和类别概率。YOLO采用卷积网络来提取特征,使用全连接层来得到预测值。其网络结构通常包含多个卷积层和全连接层,通过卷积层提取图像特征,通过全连接层输出预测结果。 五、应用领域 目标检测技术已经广泛应用于各个领域,为人们的生活带来了极大的便利。以下是一些主要的应用领域: 安全监控:在商场、银行
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