02-Oracle学习_查询语句

三, SQL语言

1, SQL标准

    ① SQL1992
    ② SQL1999

2, 第四代语言

    面向"问题"的语言,
    只需要告诉计算机做什么,而不需要管怎么做.

3, SQL语句分类

(1) 查询语句

C:\Windows\System32>sqlplus scott/tiger
① desc
   SQL> desc emp
   SQL> desc dept
   SQL> desc salgrade
   说明:
        A. 描述的内容: 名称 是否为空? 类型
        B. varchar2, variable char 2, varchar2 支持国际化,而varchar不支持
② *
    SQL> select * from salgrade;
    SQL> select * from dept;
③ dual
   A. 表dual, 字段 dummy(假的, 虚设的)
        SQL> desc dual;
        名称    类型
        -------------------
        DUMMY   VARCHAR2(1)
   B. 计算算术表达式
        SQL> select 2*3 from dual;
               2*3
        ----------
                 6    
   C. 当前系统日期
        SQL> select sysdate from dual;
        SYSDATE
        --------------
        10-8月 -13   
④ 别名
    SQL> select ename, sal*12 annual_sal from emp;
    ENAME                ANNUAL_SAL
    -------------------- ----------
    WARD                      15000
    JONES                     35700
    MARTIN                    15000   
    注: 当别名里有 空格 汉字 或其他特殊字符时, 需要用双引号

        同时双引号能保持 原本的格式, 比如 小写不会自动变为大写.

        当别名用单引号括起来时, ORA-00923: 未找到要求的 FROM 关键字

        annual, 每年的; sal, salary.
⑤ NULL值 
    SQL> select ename, sal*12 from emp;
    SQL> select ename, comm from emp;
    SQL> select ename, sal*12+comm from emp;
    注: 表达式中只要有NULL值, 则整个表达式为NULL
⑥ 字符串连接符 ||
  1) 连接列名
    SQL> select ename || sal from emp;
    ENAME||SAL
    ----------------------------------
    WARD1250
    JONES2975
    MARTIN1250      
  2) 连接字符串
    SQL> select ename || '123456' from emp;
    SQL> select ename || '123''A''456' from emp;
    注: 使用双引号界定字符是错误的
        单引号里面有单引号, 使用两个单引号表示一个单引号
⑦ distinct, 去除重复行
    SQL> select distinct deptno from emp;   -- deptno相同的为重复行
    SQL> select distinct job from emp;
    SQL> select distinct deptno, job from emp; -- 去重复的组合
⑧ where
    1) 等于, =
        SQL> select * from emp
          2  where deptno = 10;    
        SQL> select * from emp where job = 'CLERK';
    2) 大于小于, > <
        SQL> select ename, sal from emp where sal > 1500;
        SQL> select ename, sal from emp where ename > 'CBA';
    3) 不等于, <>
        SQL> select deptno, dname from dept where deptno <> 10;
    4) between low_num and high_num
        SQL> select ename, sal from emp where sal between 950 and 1500;
        SQL> select ename, sal from emp where sal >= 950 and sal <= 1500;
    5) IS [NOT] NULL
        SQL> select ename, sal, comm from emp where comm is null;

        SQL> select ename, sal, comm from emp where comm is not null;

        注意: 如果 not in (value1, ...) 中 有 NULL值, 则返回false

    6) column [not] in (value1, value2, ...)
        SQL> select ename, sal from emp where sal in (950, 1250, 1500);
        SQL> select ename, sal from emp where sal not in (950, 1250, 1500);
        SQL> select ename, sal from emp where ename in ('SCOTT', 'KING');
    7) 日期
        SQL> select ename, hiredate from emp where hiredate > '10-5月-81';
        注: 当没用使用日期函数处理日期时, 可使用字符串来比较日期.
    8) 模糊查询, like
        通配符:
            %, 0个或多个
            _, 单个字符

        转义字符:
            使用 escape 指定
            SQL> select ename from emp where ename like '123$%' escape '$';
⑨ order by
    1) 升序 asc (默认)
        SQL> select * from dept order by deptno;
        SQL> select * from dept order by deptno asc;
    2) 降序 desc
        SQL> select * from dept order by deptno desc;
    3) 多列的情况
        SQL> select ename, empno, deptno from emp
          2  order by deptno asc, deptno desc;        
⑩ 综合
    SQL> select ename, sal*12 annual_sal from emp
      2  where ename not like '_A%' and sal > 800

      3  order by sal desc;    


(2) DML语句


(3) DDL语句


(4) 事务控制语句

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 1
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