MySql 常用命令总结

注意事项:

sql 使用单引号来环绕文本值(大部分数据库系统也接受双引号)。如果是数值,请不要使用引号。

一、数据库

1、创建数据库

CREATE DATABASE lesson ;

创建一个名字为lesson的数据库

2、删除数据库

drop database lesson ;

二:表

1、创建表

CREATE TABLE `mydb`.`it` (
      `id` INT NOT NULL,
      `name` VARCHAR(45) NULL,
      PRIMARY KEY (`id`)
 );

在名字为mydb的数据库中创建一个表,表的名字叫it.

表中有两个字段 : id , name 。 其中主键为 id

2、删除表

DROP TABLE `mydb`.`it`;

数据库名: mydb

表名 : it

3、修改表的名字

RENAME TABLE student TO user ;

把student表的名字改为user

4、复制表

create table table2 select * from user ;

通过复制user表,来创建一个新表table2

三:增加数据

1、往表里插入数据

INSERT INTO `mydb`.`user` (`id`, `name`, `age`) VALUES ('2', 'lisid', '25');

mydb : 数据库名

user : 表名

id ,name , age :代表三个字段
VALUES :字段对应的数据

四:删除数据

1、条件删除(删除一行数据)

DELETE FROM user WHERE  id=1  ; 

删除id = 1 的所有数据 (删除id =1 的这一行)

五、更新数据

1、更新一个字段的值

UPDATE `mydb`.`user` SET `age`='22' WHERE `id`='1';

数据名: mydb
表名 : user
字段 : age
筛选条件 : id = 1 ;

在mydb数据库,user表中,把id = 1 的这一行的 age 属性值修改为 22

2、更新多个字段的值

UPDATE `mydb`.`user` SET `name`='奶茶妹妹', `age`='18' WHERE `id`='2'; 

在mydb数据库,user表中,把id = 2 的这一行的 name属性值修改为 奶茶妹妹 , age 属性值修改为 22

六:查询数据

1、查询

SELECT * FROM mydb.user;

从mydb数据库中查询user表里面的所有数据

2、单属性查询

SELECT name  FROM user ;

从user表中查询所有的name属性值

3、多属性查询

SELECT name , age  FROM user ;

从user表中查询所有的name 和 age 的属性值

4、条件查询 where

1、根据 id 查询
SELECT name , age , id  FROM user where id = 2 ;

从user表中查询id等于2的所有name、age、id 的属性值,注意id的类型是整型,所以2不用加单引号

2、根据 name 查询
SELECT name , age , id  FROM user where name = 'tom' ;

从user表中查询 name 值等于‘tom’ 的所有name、age、id 的属性值,注意name的类型是字符型,‘tom’加单引号

3、逻辑查询:大于
SELECT * FROM `user` WHERE id > 5  ;

从user表中查询 id 值 大于 5 的所有name、age、id 的属性值
所有的逻辑运算符都支持: 大于 > 、 小于 < 、 大于等于 >= 、 小于等于 <= 、 等于 = 、 不等 != (或者 <>)

4、逻辑查询:BETWEEN
SELECT * FROM `user` WHERE id BETWEEN 3 AND 8  ;

user : 表名

id : 字段名

between : 操作符 作用是选取介于两个值之间的数据范围

从user表中查询 id值在3(包含3) 到 (包含8)之间的所有name、age、id 的属性值 。 也就是 id 大于等于3, 小于等于8之间。

5、逻辑查询:in
SELECT * FROM `user` WHERE age in ( 12 , 18 )  ;

user : 表名

age : 字段名

in : 操作符 作用是为查询条件规定多个值

从user表中查询出年龄为12岁和18岁的人所有信息。 相当于并集。

5、模糊查询 like

1、模糊查询:以某字符开头
SELECT * FROM student WHERE phone LIKE '1825%'

student : 表名
phone : 字段名 代表手机号

LIKE : 模糊查询

% : 代表任意一个或多个字符 , 可匹配任意类型和长度的字符。

从student表中查出以1825开头的手机号

2、模糊查询:多个条件
SELECT * FROM student WHERE phone LIKE '182%' AND `name` LIKE 'zhang%'   ;

student : 表名

phone : 字段名 代表手机号

name : 字段名 代表名字
从student表中查出以182开头的手机号并且 名字是以zhang开头的所有信息

3、模糊查询:通配符
SELECT * FROM student WHERE phone LIKE '1825110114_'

student : 表名

phone : 字段名 代表手机号

LIKE : 模糊查询

_ : 代表一个字符

从student表中查出以1825110114开头的手机号

5、模糊查询:包含
SELECT * FROM student WHERE phone LIKE '%114%' ;

student : 表名

phone : 字段名 代表手机号

LIKE : 模糊查询

% : 代表任意一个或多个字符 , 可匹配任意类型和长度的字符。
从student表中查出手机号包含114的所有信息

6、模糊查询:取消通配符
SELECT * FROM student WHERE phone LIKE '%114\%'  ;

student : 表名

phone : 字段名 代表手机号

LIKE : 模糊查询

% : 代表任意一个或多个字符 , 可匹配任意类型和长度的字符。

从student表中查出以114%结尾的手机号 , 第一个 % 代表通配符 , \% 代表% 字符,没有通配符的功能

6、数量限制查询 limit

select * from user order by id limit 3 , 5 ;

从user表中查询 从3开始(包括3),数量为5 条数据。也就是3、4、5、6、7 条数据

注意5代表的是查询的数量

7、单字段排序查询 order by

  • order by 语句用于根据指定的列对结果集进行排序。

    • order by 语句默认按照升序对记录进行排序。
select * from  mydb.`user` order by age ;

mydb : 数据库名

user : 表名

age : 排序字段

从user表中查询所有的信息,查询结果按照 age 字段排序。(默认升序)

select * from  mydb.`user` order by age DESC ;  

从user表中查询所有的信息,查询结果按照 age 字段降序排序。

8、多字段排序查询 order by

select * from  mydb.`user` order by age DESC , `name` ;  

mydb :数据库

user :表名

age :年龄

name :名字

从user表中查询所有的信息,查询结果按照 age 降序排序。如果年龄相同,就按照name,升序排序 。

9、求总 count()

SELECT COUNT( name ) FROM `user`   ;

name : 字段名,代表名字

user : 表名

从user表中查询 name 值得数目,不计 null 值。

SELECT COUNT( * ) FROM `user` ;

查询user表中的记录数

SELECT COUNT( DISTINCT `name` ) FROM `user` ;

查询user表中name字段不同值的数目,相当于去重。

10、求最大值 max() 和 最小值 min()

MIN 和 MAX 也可用于文本列,以获得按字母顺序排列的最高或最低值。

SELECT MAX( id ) FROM `user` ;

从user表中查询 id 字段的最大值

SELECT MIN( id ) FROM `user` ;

从user表中查询 id 字段的最小值

11、求和 sum()

SELECT SUM( id ) FROM `user` ;

id : 字段名

user : 表名

查询user表中 id 值的和

12、求平均值 avg()

SELECT AVG( id ) FROM `user` ;

id : 字段名

user : 表名

查询user表中 id 值的平均数

13、显示所有数据库

SHOW DATABASES;

14、显示所有的表

SHOW TABLES;

七:视图

1、视图的基本概念

http://www.cnblogs.com/zzwlovegfj/archive/2012/06/23/2559596.html

2、创建一个视图

CREATE VIEW myview as SELECT * FROM mydb.`user` ;

myview :视图的名字

mydb :数据库的名字

user : 表的名字

查询user表的所有数据,作为视图myview的数据

3、删除视图

drop view myview ;

myview : 视图的名字

八:子查询

1、 查询 video 表里面 status 字段为0 的前5条数据,并且按照 id 降序排列

select t.* from (select * from video where status = 0 limit 5) as t order by t.id desc ; 

这里的 select * from video where status = 0 limit 5 相当于一个临时表,用别名t代替。


个人微信号:zhaoyanjun125 , 欢迎关注

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。
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