SQL语询

本文详细介绍了数据库定义语言DDL,如创建、删除和查看数据库操作,以及数据操作语言DML(包括插入、删除和修改数据)和数据查询语言DQL(如SELECT语句和各种查询条件)。涵盖了从基本表结构到高级查询技巧的全面指南。
摘要由CSDN通过智能技术生成


1. DDL: 数据定义语言
1.库
1.查看数据库

show databases


2.创建数据库

create database 库名


3.删除数据库

drop database 库名


4.切换数据库

use库名


5.显示创建数据库的细节

show create database 库名


6.创建--个gbk的数据库

create database 库名character set gbk

2.表
1.显示所有

show tables


2.创建表

create table 表名(类型字段名,类型字段名)类型:数字类型、字符串、日期


3.删除表
 

drop tab1e 表名


4.查看表结构

desc表名


5.查看创建表结构细节

show create table 表名


6.添加列(字段)

alter tab1e表名add字段名类型


7.删除列(字段)

alter tab1e表名drop字段名


8.表格约束条件

主键: primary key
自增: auto_ _increment
非空: not nu11
唯一: unique

2. DML:数据操作语言
1.插入数据

insert into 表名values (数据)
insert into 表名(字段名,字段名) values (对应前边字段的数据)


插入中文注意:
2.删除数据

delete from表名
delete from 表名 where 字段=数据
truncate table 表名


3.修改数据

update表名set 字段=数据
update表名set字段=数据where 字段=数据
update表名set字段=数据,字段=数据where字段=数据


3. DQL:数据查询语言

select * from表名
select * from表名where字段=数据
select字段from表名where字段=数据
select * from表名where字段>=<数值
select字段1 as名字1,字段2 as名字2 from表名where字段=数据
select * ,math+10 from表名
//统计每个学生的总分
select name ,(math+english+chinese) as总分from student
//查询总分大于230分的同学
select * from student where (math+ english+chinese)>230
//查询数学成绩在80-90之间的同学
select * from student where matH between 80 and 9
//查询数学语文英语都大于80的同学成绩
select * from student where math>80 and eng1ish>80 and chinese >80;
//查询数学成绩在80 60 90内的同学,即数学成绩有60、80、90的。
select * from student where math in(80,60,90);


//模糊查询
//_代表一个,%代表多个(O-无限)

//查询所有姓名中包含张的同学

select * from student where name like ‘%张%’


//排序

select * from表名order by字段(asc)
select * from表名order by字段(desc)

若要进行同时一个升序一个降序 例如:
order by 升序字段 asc,降序字段 desc ;


//分组

select * from表名group by sex having age>18;


//分页查询:从m+1开始,n条数据

select * from表名limit m,n
count个数
sum总数
avg平均数
max最大值

//子查询

select * from stu where id in(select s. _id from ts where t_ _id=(select id from t where name="李 老师")); 
select * from tea where id in(select t. _id from ts where s_ _id=(select id from s where name="张三"));


//交叉查询

cross join on


//内连接查询

inner join on


//左外连接查询

left join an


//右外连接查询

right join on

  • 0
    点赞
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
图像识别技术在病虫害检测中的应用是一个快速发展的领域,它结合了计算机视觉和机器学习算法来自动识别和分类植物上的病虫害。以下是这一技术的一些关键步骤和组成部分: 1. **数据收集**:首先需要收集大量的植物图像数据,这些数据包括健康植物的图像以及受不同病虫害影响的植物图像。 2. **图像预处理**:对收集到的图像进行处理,以提高后续分析的准确性。这可能包括调整亮度、对比度、去噪、裁剪、缩放等。 3. **特征提取**:从图像中提取有助于识别病虫害的特征。这些特征可能包括颜色、纹理、形状、边缘等。 4. **模型训练**:使用机器学习算法(如支持向量机、随机森林、卷积神经网络等)来训练模型。训练过程中,算法会学习如何根据提取的特征来识别不同的病虫害。 5. **模型验证和测试**:在独立的测试集上验证模型的性能,以确保其准确性和泛化能力。 6. **部署和应用**:将训练好的模型部署到实际的病虫害检测系统中,可以是移动应用、网页服务或集成到智能农业设备中。 7. **实时监测**:在实际应用中,系统可以实时接收植物图像,并快速给出病虫害的检测结果。 8. **持续学习**:随着时间的推移,系统可以不断学习新的病虫害样本,以提高其识别能力。 9. **用户界面**:为了方便用户使用,通常会有一个用户友好的界面,显示检测结果,并提供进一步的指导或建议。 这项技术的优势在于它可以快速、准确地识别出病虫害,甚至在早期阶段就能发现问题,从而及时采取措施。此外,它还可以减少对化学农药的依赖,支持可持续农业发展。随着技术的不断进步,图像识别在病虫害检测中的应用将越来越广泛。
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