关于误删数据表中数据的恢复实例--学习笔记

/*-----------------------------------关于误删数据表中的数据恢复方法演练-----------------------------------*/

--如果当前数据库中存在‘test’表名,则删除
IF OBJECT_ID('test') IS NOT NULL  
    DROP TABLE testRestore 
GO 

--使数据库testdb 处于当前状态
use testdb
go

--创建表testrestore
CREATE TABLE testRestore 
    ( 
      id INT IDENTITY(1, 1) , 
      NAME VARCHAR(50) 
    )

--插入测试数据:     
INSERT INTO testRestore(Name) 
SELECT 'test1' 
UNION ALL  
SELECT 'test2' 
UNION ALL  
SELECT 'test3' 
UNION ALL  
SELECT 'test4' 
UNION ALL  
SELECT 'test5' 
UNION ALL  
SELECT 'test6' 
UNION ALL  
SELECT 'test7' 
UNION ALL  
SELECT 'test8' 

--查看插入的数据

SELECT * FROM testrestore


waitfor '00:01:00'--此处最好设置等待几分钟,以免后面日志恢复,时间点设置好有参考,回滚太前可能表都没有创建

--对数据库testdb进行完全备份,注意要追加现有媒体备份集,这也是默认备份设置
backup database testdb to disk='e:\testdb_data.bak' with format

--删除表名

waitfor time '12:55'       --精确删除表的时间,为后面还原时间的准确选取做准备
delete from testrestore    --删除数据

--查看数据内容,数据被删除
select * from testrestore

--对数据库进行日志备份
backup log testdb to disk='e:\testdb_log.bak' with format

--对数据库的数据文件进行还原

restore database testdb from disk='e:\testdb_data.bak' with replace,norecovery  --执行后发现数据库处于还原状态

--对数据库日志文件进行还原

restore log testdb from disk='e:\testdb_log.bak' with recovery,
stopat='2013-10-18 12:54:00:000'  --with recovery使数据库处于可用状态 此处时间格式要注意


--最后使用数据库,查看数据,恢复成功
use testdb
go

select * from testrestore  --查看恢复后的状况,原表数据存在

  • 0
    点赞
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
好的,以下是一个Python数据预处理的代码实例。 假设我们有一个包含学生成绩的数据集,文件名为"grades.csv",数据格式如下: ``` Name,Math,English,Science Alice,90,85,92 Bob,80,75,88 Charlie,75,92,82 David,92,87,90 ``` 我们需要进行以下数据预处理操作: 1. 将文件读取为一个Pandas DataFrame。 2. 检查是否有缺失值。 3. 将每个科目的分数转换为百分制。 4. 计算每个学生的平均分。 5. 将每个学生的平均分按照从高到低排序。 6. 将处理后的数据保存为一个新文件。 下面是相应的代码实现: ```python import pandas as pd # 读取数据 df = pd.read_csv("grades.csv") # 检查是否有缺失值 if df.isnull().values.any(): print("Warning: There are missing values in the data.") # 将每个科目的分数转换为百分制 df["Math"] = df["Math"] / 100.0 * 100 df["English"] = df["English"] / 100.0 * 100 df["Science"] = df["Science"] / 100.0 * 100 # 计算每个学生的平均分 df["Average"] = df.mean(axis=1) # 将每个学生的平均分按照从高到低排序 df = df.sort_values(by=["Average"], ascending=False) # 保存处理后的数据为一个新文件 df.to_csv("processed_grades.csv", index=False) ``` 执行完上述代码后,将生成一个新的文件"processed_grades.csv",内容如下: ``` Name,Math,English,Science,Average David,92.0,87.0,90.0,89.66666666666667 Alice,90.0,85.0,92.0,89.0 Charlie,75.0,92.0,82.0,83.0 Bob,80.0,75.0,88.0,81.0 ``` 以上就是一个简单的Python数据预处理代码实例

“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