mysql学习笔记-数据查询语言DQL

DQL:Data QueryLanguage 数据查询语言标准语法
一、基础查询
语法:select 查询列表 from 表名;

1.查询字段
特点
(1)查询列表可以是:表中的字段,常量值,表达式,函数
(2)查询的结果是一个虚拟的表格
例:
(1)查询表中的单个字段
SELECT last_name FROM employees;
(2)查询表中的多个字段
SELECT last_name ,salary,emailFROM employees;
(3)查询表中的全部字段
SELECT employee_id,first_name,last_name,email,phone_number,job_id,salary,commission_pct,manager_id,department_id,hiredateFROM employees;

SELECT * FROM employees; (后者好像效率较低,因为需要先统计识别所有字段)

2.查询常量值
例:
(1)SELECT 100;
(2)SELECT ‘john’;

3.查询表达式
例:
(1)SELECT 100*98;
(2)SELECT 100%98;

4.查询函数
例:
(1)SELECT VERSION();

5.起别名
作用:
1.便于理解
2.避免查询字段出现重名
例:
方式一:用AS
(1)SELECT 100%98 AS 结果
(2)SELECT last_name ASln,first_name AS fn FROM employees
方式二:用空格
(1)SELECT last_name ln,first_name fn FROM employees
附:使得别名中可以携带空格
查询salary,显示结果out put
SELECT salary AS ‘out put’ FROM employees

6.去重
例:
SELECT DISTINCT department_id FROM employees
附:SELECT DISTINCT a ,b FROM other处理 (1,0)(1,1)(0,0)(0,1)结果为全部保留

7.+号的作用
只有运算符功能
两个操作数皆为数值型,做加法
若一方为字符型,尝试将字符型转换为数值
转换成功,做加法
转换失败,字符型转换为0,做加法
若有一方为null,结果为null
例:
(1)SELECT 100+90;
(2)SELECT ‘100’+90;
(3)SELECT ‘john’+90;
(4)SELECT NULL+90;

8.连接字符串
例:
SELECT CONCAT(‘a’,‘b’,‘c’) AS result

9.显示表结构
例:
DESC departments;

10.如果为空
IFNULL(列名,值)

二、条件查询
语法:select 查询列表 from 表名 where 条件;

1.按条件表达式筛选
条件运算符: > , < , = , != , <> , >= , <=
例:
SELECT * FROM employees WHERE salary >12000;
SELECT last_name,department_id FROM employees WHERE department_id<>90;

2.按逻辑表达式筛选
条件运算符:&& ,|| , !, and , or ,not
例:
SELECT * FROM employees WHERE NOT(department_id>=90 AND department_id<=110) OR salary>15000;

3.模糊查询
(1)like
特点:
1.一般与通配符搭配使用
通配符:
%——任意多个字符
——任意单个字符
匹配字符串中的特别字符(如 '
’)用 ‘’ 转义(如_,\)
可以用ESCAPE定义转义字符
'%%'的模糊匹配不能匹配到null——一个%号也可以模糊匹配
例:
SELECT * FROM employees WHERE last_name LIKE ‘%a%’;
SELECT last_name,salary FROM employees WHERE last_name LIKE ‘__n_l%’;
SELECT last_name FROM employees WHERE last_name LIKE ‘_%’;
SELECT last_name FROM employees WHERE last_name LIKE '
KaTeX parse error: Expected group after '_' at position 1: _̲%' ESCAPE '’;
(2)between and
可以提高语句的简洁度
包括临界值(>=和<=》)
两个临界值不可调换顺序
例:
SELECT * FROM employees WHERE employee_id BETWEEN 100 AND 120;
(3)in
判断字段的值是否属于in列表中的某一项
使用in提高语句的简洁度
in列表的值类型必须一致或兼容
例:
SELECT last_name,job_id FROM employees WHERE job_id IN (‘AD_PRES’,‘AD_VP’,‘IT_PROG’);
(4)is null
=或><不能用于判断null值
IS NULL和 IS NOT NULL可以
例:
SELECT last_name,commission_pct FROM employees WHERE commission_pct IS NULL;
SELECT last_name,commission_pct FROM employees WHERE commission_pct IS NOT NULL;
(5)安全等与 <=>
例:
SELECT last_name,commission_pct FROM employees WHERE commission_pct <=> NULL
(6)is null对比<=>
is null:仅能判断null,可读性较高
<=>:既可以判断null值,又可以判断普通的数量,可读性较低

三、排序查询
语法:select 查询列表 from 表名 where 条件 order by 排序列表 asc或desc;
特点:
1.asc代表的是升序,desc代表的是降序,默认顺序是升序
2.可以按列名,表达式,别名,函数(如length()),多个字段(放前面的字段优先排序)排序
3.一般放在查询语句末尾,limit子句除外
例:
SELECT CONCAT(last_name,first_name) name , salary12(1+IFNULL(commission_pct,0)) YearSalary FROM employees ORDER BY YearSalary DESC , name ;
SELECT CONCAT(last_name,first_name) name ,salary FROM employees WHERE salary NOT BETWEEN 8000 AND 17000 ORDER BY salary DESC;
SELECT * FROM employees WHERE email LIKE (’%e%’) ORDER BY LENGTH(email) DESC , department_id ASC;

四、常见函数
概念:将一组逻辑语句封装在方法体中,对外暴露方法名
好处:1.隐藏了实现细节
2.提高代码的重用性
调用:select 函数名() from 表;
分类:
1.单行函数
如:concat、length、ifnull等
2.分组函数
功能:做统计使用,又称为统计函数、聚合函数、组函数

单行函数
1.字符函数
(1)length()
一个中文三个字节
例:
SELECT LENGTH(‘john’);
(2)concat()
拼接字符串
例:
UPPER(‘john’)
(3)upper、lower
转大写小写
(4)substr、substring
裁剪字符串
例:
SELECT SUBSTR(‘abcdefg’,3);
SELECT SUBSTR(‘abcdefg’,1,3);
SELECT CONCAT(UPPER(SUBSTR(last_name,1,1)),’_’,LOWER(SUBSTR(last_name,2))) FROM employees;
(5)instr
返回字符串第一次出现位置,找不到返回0
SELECT INSTR(‘abcdefgh’,‘cd’);
(6)trim
去掉前后的多余字符,默认为空格
例:
SELECT TRIM(’ abc ‘);
SELECT TRIM(‘aa’ FROM ‘aaaaabaaacaaaa’);
(7)lpad(rpad)
用指定的字符左(右)填充到指定长度
若初始字符串过长,裁剪右部
例:
SELECT LPAD(‘abc’,10,’*’);
(8)replace替换
全部找到的相同字符串都替换
例:
SELECT REPLACE(‘abc’,‘a’,‘ddd’);

2.数学函数
(1)round
四舍五入
例:
SELECT ROUND(1.65);
SELECT ROUND(1.657,2);
(2)ceil(floor)
向上(下)取整,返回大于等于(小于等于)该参数的最小(大)整数
例:
SELECT CEIL(1.657);
SELECT FLOOR(1.657);
(3)truncate
截断
例:
SELECT TRUNCATE(1.23456,1);
(4)mod
取余
例:
SELECT MOD(10,3);
SELECT 10%3;

3.日期函数
(1)now
返回当前系统日期+时间
SELECT NOW();
(2)curdate
返回当前系统日期,不包括时间
SELECT CURDATE();
(3)curtime
返回当前系统时间,不包括日期
SELECT CURTIME();
(4)year、month、monthname、day、hour、minute、second等
获取指定的部分:年、月、日、小时、分钟、秒
SELECT YEAR(NOW());
SELECT YEAR(‘1998-1-1’);
SELECT YEAR(hiredate) FROM employees;
SELECT MONTH(NOW());
SELECT MONTHNAME(NOW());
(5)str_to_date
将日期格式的字符转换成指定格式的日期
SELECT STR_TO_DATE(‘9-13-1999’,’%m-%d-%Y’);
(6)date_format
将日期转换成字符
SELECT DATE_FORMAT(‘2018/6/6’,’%Y年%m月%d日’);
(7)格式符
1.%Y 四位的年份
2.%y 二位的年份
3.%m 月份(01,02…12)
4.%c 月份(1,2…12)
5.%d 日(01…)
6.%H 小时(24小时制)
7.%h 小时(12小时制)
8.%i 分钟(00,01…59)
9.%s 秒(00,01…59)
(8)datediff
获取两个日期之间相差的天数

4.其它函数
SELECT VERSION();
SELECT DATABASE();
SELECT USER();
SELECT MD5(‘zs’);

5.流程控制函数
(1)if函数
SELECT IF(10<5,‘对’,‘错’)
SELECT last_name,commission_pct,IF(commission_pct IS NULL , ‘没奖金呵呵’ , ‘有奖金嘻嘻’) 备注 FROM employees;
(2)case函数
方式一:switch case
例:
SELECT salary 原始工资,department_id,
CASE department_id
WHEN 30 THEN salary*1.1
WHEN 40 THEN salary*1.2
WHEN 50 THEN salary*1.3
ELSE salary
END AS 新工资
FROM employees;
方式二:多重if
例:
SELECT salary 工资,
CASE department_id
WHEN salary>20000 THEN ‘A’
WHEN salary>15000 THEN ‘B’
WHEN salary>10000 THEN ‘C’
ELSE ‘D’
END AS 工资级别
FROM employees;

分组函数
分类:
sum求和、avg平均值、max最大值、min最小值、count计算个数
特点:
1.sum、avg一般用于处理数值型
max、min、count可以处理任何类型
2.以上分组函数都忽略null值
3.可以跟distinct搭配实现去重
4.一般用COUNT(*)统计行数
5.和分组函数一同查询的字段要求是group by后的字段

1.简单应用
SELECT SUM(salary) 和,AVG(salary) 平均,MAX(salary) 最高,MIN(salary) 最低,COUNT(salary) 个数 FROM employees;
2.参数支持哪些类型

3.验证是否忽略null值

4.和distinct搭配
SELECT SUM(DISTINCT salary),SUM(salary) FROM employees
5.count函数
SELECT COUNT() FROM employees;
SELECT COUNT(1) FROM employees;
SELECT COUNT(salary) FROM employees;
效率:
MYISAM存储引擎下,COUNT(
)的效率高
INNODB存储引擎下,COUNT(1)和COUNT(*)效率差不多,比COUNT(字段高一些)

五、分组查询
语法:select 分组函数,列(会出现在group by的后面) from 表名 【where 条件】 group by 分组的列表【order by 子句】
特点:1.分组查询中的筛选条件分为两类
数据源 位置 关键字
分组前筛选 原始表 group by子句的前面 where
分组后筛选 分组后的结果集 group by子句的后面 having
分组函数做条件必定在having子句中
能用分组前筛选的就用分组前筛选
2.group by子句支持单个字段分组,多个字段分组(字段分组之间用逗号隔开且没有顺序要求),表达式或函数
3.也可以添加排序(排序在最后)

1.简单分组查询:
SELECT MAX(salary), job_id FROM employees GROUP BY job_id;
2.添加分组后筛选条件
SELECT COUNT(),department_id FROM employees GROUP BY department_id HAVING COUNT()>2;
3.按多个字段分组
4.添加排序

六、连接查询(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1m行,,表2n行,结果m*n行
发生原因:没有有效的连接条件
如何避免:添加有效的连接条件
分类:
按年代分类:
sql92标准:仅支持内连接
sql99标准(推荐):支持内连接,外连接和交叉连接
按功能分类:
内连接:
等值连接
非等值连接
自连接
外连接:
左外连接
右外连接
全外连接
交叉连接
1.sql92标准
(1)等值连接
1.多表等值连接的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
实例:
1.为表取别名
SELECT last_name ln ,department_name dn
FROM employees e,departments d
WHERE e.department_id=d.department_id
2.加筛选
3.加分组
4.加排序
5.三表连接
(2)非等值连接
使用between
(3)自连接

2.sql99标准
语法:
select 查询列表
from 表1名
【连接类型】join 表2名
on 连接条件
【where 】
【group by 】
【having】
【order by】;
分类:
内连接:inner
外连接:(outer可省略)
左外:left 【outer】
右外:right 【outer】
全外:full 【outer】
交叉连接:cross
(1)内连接
select 查询列表
from 表1名
inner join 表2名
on 连接条件
1.等值连接
SELECT last_name,department_name
FROM employees e
INNER JOIN departments d ON e.department_id = d.department_id
2.非等值连接
SELECT salary,grade_level
FROM employees e
JOIN job_grades g ON e.salary
BETWEEN g.lowest_sal AND g.highest_sal;
3.自连接
SELECT e.last_name,m.last_name
FROM employees e
JOIN employees m ON e.manager_id=m.employee_id
(2)外连接
应用场景:用于查询一个表中有,另一个没有的记录
特点:
1、外连接的查询结果为主表中的所有记录
如果从表中有和它匹配的,则显示匹配的值
如果没有匹配的,则显示null
外连接查询结果=内连接结果+主表中有而从表没有的记录
2、左外连接:left join左边是主表
右外连接:right join右边是主表
全外连接
交叉连接
3、左外和右外交换两个表的顺序,效果相同
例子:
SELECT b.name,bo.*
FROM beauty b
LEFT OUTER JOIN boys bo ON b.boyfriend_id=bo.id;
全外链接:mysql不支持
FULL OUTER JOIN
交叉链接:
SELECT b.,bo.
FROM beauty b
CROSS JOIN boys bo ;

sql92对比sql99:
功能:sql99支持较多
可读性:sql99实现连接条件和筛选条件的分类离,

七、子查询
含义:
出现在其它语句中的select语句,称为子查询或内查询
外部的查询语句,称为主查询或外查询

分类:
按子查询出现的位置:
select 后面:
仅仅支持标量子查询
from 后面:
仅仅支持表子查询
where或having 后面:
标量子查询(单行)
列子查询(多行)
行子查询
exists后面 (相关子查询)
表子查询
按结果集的行列数不同:
标量子查询(结果集只有一行一列)
列子查询(结果集只有多行一列)
行子查询(结果集只有一行多列)
表子查询(结果集一般为多行多列)

1.where或having 后面:
标量子查询(单行)
列子查询(多行)
行子查询(多列多行)
特点:
(1)子查询一般放在小括号内
(2)子查询一般放在条件的右侧
(3)
标量子查询:一般搭配着单行操作符使用

< >= <= = <>
·列子查询:一般搭配着多行操作符使用
in、any/some、all
(4)子查询的执行优先于主查询

例:1.标量子查询
SELECT * FROM employees
WHEREsalary > (
SELECT salary FROM employees
WHERE last_name=‘Abel’
);
2.列子查询
在这里插入图片描述
SELECT * FROM employees
WHEREsalary IN(
SELECT salary FROM employees
WHERE last_name=‘Abel’
);
3.行子查询(多列多行)
SELECT * FROM employees
WHERE (employee_id,salary)=(
SELECT MIN(employee_id),MAX(salary)
FROM employees
)

2.select 后面:
SELECT d.,(
SELECT COUNT(
) FROM employeese
WHERE d.department_id=e.department_id
)个数
FROM departments d

3.from后面:
SELECT ag_dep.*,g.grade_level
FROM(
SELECT AVG(salary) ag,department_id FROM employees
GROUP BY department_id
)ag_dep
INNER JOIN job_grades g ON ag_dep.ag
BETWEEN lowest_sal AND highest_sal;

4.exists后面(相关子查询)
结果是0或1
SELECT EXISTS(SELECT * FROM employees)

八、分页查询
应用场景:当要显示的数据,一页显示不全,需要分页提交sql请求
语法:
select 查询列表
from 表


limit 【offset】size;
offset:要显示条目的起始索引
size:要显示的条目个数

九、联合查询
union:将多条查询结果合并

语法:
语句1
union
语句2

应用场景:
查询结果来自多表,但信息一致

特点:
查询列数一致
查询列类型、顺序最好一致
默认去重,如果用union则可包含重复项

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。
应用背景为变电站电力巡检,基于YOLO v4算法模型对常见电力巡检目标进行检测,并充分利用Ascend310提供的DVPP等硬件支持能力来完成流媒体的传输、处理等任务,并对系统性能做出一定的优化。.zip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。
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。
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