mysql number m n_详解MySQL数据类型DECIMAL(N,M)中N和M分别表示的含义

同事问mysql数据类型decimal(n,m)中n和m分别表示什么含义,m不用说,显然是小数点后的小数位数,但这个n究竟是小数点之前的最大位数,还是加上小数部分后的最大位数?这个还真记不清了。于是乎,创建测试表验证了一番,结果如下:

测试表,seller_cost字段定义为decimal(14,2)

create table `test_decimal` (

`id` int(11) not null,

`seller_cost` decimal(14,2) default null

) engine=innodb default charset=utf8

起初,表中内容为空

mysql> select * from test_decimal;

empty set (0.00 sec)

插入整数部分长度为14的数字,报超出列范围的错误

mysql> insert into test_decimal(id,seller_cost) values(1,12345678901234);

error 1264 (22003): out of range value for column 'seller_cost' at row 1

插入整数部分长度为12的数字,可以正确插入

mysql> insert into test_decimal(id,seller_cost) values(1,123456789012);

query ok, 1 row affected (0.00 sec)

查询表,发现插入的整数值末尾被mysql补了两位小数“.00”

mysql> select * from test_decimal;

+----+-----------------+

| id | seller_cost |

+----+-----------------+

| 1 | 123456789012.00 |

+----+-----------------+

1 row in set (0.00 sec)

继续插入整数部分12位,小数部分5位的数字,可以成功插入,但是有警告,警告表明小数部分发生了截断,被截取成了两位小数

mysql> insert into test_decimal(id,seller_cost) values(1,123456789012.12345);

query ok, 1 row affected, 1 warning (0.00 sec)

mysql> show warnings;

+-------+------+--------------------------------------------------+

| level | code | message |

+-------+------+--------------------------------------------------+

| note | 1265 | data truncated for column 'seller_cost' at row 1 |

+-------+------+--------------------------------------------------+

1 row in set (0.00 sec)

mysql> select * from test_decimal;

+----+-----------------+

| id | seller_cost |

+----+-----------------+

| 1 | 123456789012.00 |

| 1 | 123456789012.12 |

+----+-----------------+

2 rows in set (0.00 sec)

缩小整数部分的长度为2,小数部分的长度继续保持为5,可以成功插入,但小数部分被截断为两位。

mysql> insert into test_decimal(id,seller_cost) values(1,12.12345);

query ok, 1 row affected, 1 warning (0.00 sec)

mysql> show warnings;

+-------+------+--------------------------------------------------+

| level | code | message |

+-------+------+--------------------------------------------------+

| note | 1265 | data truncated for column 'seller_cost' at row 1 |

+-------+------+--------------------------------------------------+

1 row in set (0.00 sec)

mysql> select * from test_decimal;

+----+-----------------+

| id | seller_cost |

+----+-----------------+

| 1 | 123456789012.00 |

| 1 | 123456789012.12 |

| 1 | 12.12 |

+----+-----------------+

3 rows in set (0.00 sec)

继续插入一个小数部分不足两位的数字,可正确插入,且小数部分被自动补全到两位。

mysql> insert into test_decimal(id,seller_cost) values(1,12.1);

query ok, 1 row affected (0.00 sec)

mysql> select * from test_decimal;

+----+-----------------+

| id | seller_cost |

+----+-----------------+

| 1 | 123456789012.00 |

| 1 | 123456789012.12 |

| 1 | 12.12 |

| 1 | 12.10 |

+----+-----------------+

4 rows in set (0.00 sec)

综上所述,decimal(n,m)中m值的是小数部分的位数,若插入的值未指定小数部分或者小数部分不足m位则会自动补到m位小数,若插入的值小数部分超过了m为则会发生截断,截取前m位小数。n值得是整数部分加小数部分的总长度,也即插入的数字整数部分不能超过n-m位,否则不能成功插入,会报超出范围的错误。

总结

以上就是本文关于详解mysql数据类型decimal(n,m)中n和m分别表示的含义的全部内容,希望对大家有所帮助。感兴趣的朋友可以继续参阅本站:mysql中or语句用法示例、简述redis和mysql的区别等,有什么问题可以随时留言,小编会及时回复大家的。感谢朋友们对本站的支持!

希望与广大网友互动??

点此进行留言吧!

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。
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