Oracle基础之三

排序显示

3.SELECT[DISTINCT]*|列名称[别名],列名称[别名],…列名称[别名]
①FROM 表名称[别名]
②[WHERE 过滤条件(s)]
④[ORDER BY 字段 [ASC|DESC],字段[ASC|DESC]…字段[ASC|DESC]]
ORDER BY 是在SELECT 后面执行的,所以可以唯一使用别名进行排序。
ASC由低到高
DESC是由高到低

SELECT *FROM emp ORDER BY SAL;
SELECT empno,ename,sal*12 income FROM emp ORDER BY income;

基础查询

选择部门30的所有员工
SELECT * FROM emp WHERE deptno=30;
列出所有办事员(CLERK)的姓名,编号和部门编码
SELECT ename,empno,deptno FROM emp WHERE job='CLERK';
找出佣金高于薪水的60%的员工
SELECT * FROM emp WHERE comm>sal*0.6;
找出部门10中所有经理和部门20中的所有办事员
第一组条件:deptno =10 AND job =‘MANAGER’
第二组条件:deptno =20 AND job =‘CLERK’
第三条件为:OR
SELECT * FROM emp WHERE (deptno =10 AND job ='MANAGER') OR (deptno =20 AND job ='CLERK');

找出部门10中所有经理和部门20中的所有办事员,即不是办事员跟经理但其薪金高于2000的员工
第一组条件:deptno =10 AND job =‘MANAGER’
第二组条件:deptno =20 AND job =‘CLERK’
第三组条件:job NOT IN (‘MANAGER’,‘CLERK’) AND SAL >=2000
第三条件为:OR
SELECT * FROM emp WHERE (deptno =10 AND job ='MANAGER') OR (deptno =20 AND job ='CLERK') OR (job NOT IN ('MANAGER','CLERK') AND SAL >=2000);

找出收取佣金的员工的不同工作

-工作一定有重复,既然重复就需要使用DISTINCT消除重复数据
SELECT job FROM EMP WHERE comm IS NOT null;没有去除重复
SELECT DISTINCT job FROM EMP WHERE comm IS NOT null;去除重复
显示不带有R的员工姓名
SELECT * FROM EMP WHERE ename not like '%r%';

显示名字字段任何位置有A的员工,显示按照基本工资进行由高到低排序,如果一样则按雇佣年限又早到晚排序,如还一致,则按职位排序
条件一:找出名字A的员工
SELECT * FROM emp WHERE ename LIKE '%A%';
条件二:工资高到低
SELECT * FROM emp WHERE ename LIKE '%A%' ORDER BY sal DESC;
条件三:雇佣年限早到晚
SELECT * FROM emp WHERE ename LIKE '%A%' ORDER BY sal DESC,hiredate DESC;
条件四:职位排序
SELECT * FROM emp WHERE ename LIKE '%A%' ORDER BY sal DESC,hiredate DESC,JOB DESC;

总结

1,清楚使用:SELECT,FROM WHERE, ORDER BY字句
2,多条件判断时候一定要用逻辑连接,而且尽量使用 " () " 来做一个区分
3,遇到问题慢慢分析,一个一个步骤写

  • 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