MySQL——表的增删查改

目录

一.Create（创建）

1.单行数据 + 全列插入

2.多行数据 + 指定列插入

3.插入否则更新

4. 替换

二.Retrieve（读取）

1. select 列 查询

2.where 条件

3.结果排序

4.筛选分页结果

三.Update （修改）

四.Delete（删除）

1.删除数据

2.删除整张表数据

3.截断表

4.去重表数据

五.聚合函数

六.group by子句的使用 

一.Create（创建）

语法：

INSERT [INTO] table_name
[(column [, column] ...)]
VALUES (value_list) [, (value_list)] ...
value_list: value, [, value] ...

案例：

创建一张学生表：

mysql> create table students(-> id int unsigned primary key auto_increment,-> name varchar(20) not null,-> qq varchar(20) not null-> );

 1.单行数据 + 全列插入

插入两条记录，value_list 数量必须和定义表的列的数量及顺序一致
注意，这里在插入的时候，也可以不用指定id(当然，那时候就需要明确插入数据到那些列了)，那么mysql会使用默认的值进行自增。

指定插入：

 全列插入：

2.多行数据 + 指定列插入

插入两条记录，value_list 数量必须和指定列数量及顺序一致：

mysql> insert into students (name,qq) values -> ('孙仲谋','65988135'),-> ('曹孟德','974623215'),-> ('刘玄德','948735415');

3.插入否则更新

由于 主键 或者 唯一键 对应的值已经存在而导致插入失败：

可以选择性的进行同步更新操作 语法：

INSERT ... ON DUPLICATE KEY UPDATE
column = value [, column = value] ...

案例：

insert students value (100,'八戒','100100100') on duplicate key update name='项羽(-_-)',qq='110110110';

解释：Query OK, 2 rows affected (0.00 sec)

  • -- 0 row affected: 表中有冲突数据，但冲突数据的值和 update 的值相等
  • -- 1 row affected: 表中没有冲突数据，数据被插入
  • -- 2 row affected: 表中有冲突数据，并且数据已经被更新

通过 MySQL 函数获取受到影响的数据行数：

SELECT ROW_COUNT();

4. 替换

-- 主键 或者 唯一键 没有冲突，则直接插入；
-- 主键 或者 唯一键 如果冲突，则删除后再插入;

replace into students value(100,'八戒','100100100');

-- 1 row affected: 表中没有冲突数据，数据被插入
-- 2 row affected: 表中有冲突数据，删除后重新插入 

二.Retrieve（读取）

语法：

SELECT
[DISTINCT] {* | {column [, column] ...}
[FROM table_name]
[WHERE ...]
[ORDER BY column [ASC | DESC], ...]
LIMIT ...

案例：

-- 创建表结构
CREATE TABLE exam_result (
id INT UNSIGNED PRIMARY KEY AUTO_INCREMENT,
name VARCHAR(20) NOT NULL COMMENT '同学姓名',
chinese float DEFAULT 0.0 COMMENT '语文成绩',
math float DEFAULT 0.0 COMMENT '数学成绩',
english float DEFAULT 0.0 COMMENT '英语成绩'
);
-- 插入测试数据
INSERT INTO exam_result (name, chinese, math, english) VALUES
('唐三藏', 67, 98, 56),
('孙悟空', 87, 78, 77),
('猪悟能', 88, 98, 90),
('曹孟德', 82, 84, 67),
('刘玄德', 55, 85, 45),
('孙权', 70, 73, 78),
('宋公明', 75, 65, 30);
Query OK, 7 rows affected (0.00 sec)
Records: 7 Duplicates: 0 Warnings: 0

1. select 列 查询

全列查询：

-- 通常情况下不建议使用 * 进行全列查询：

  1. 查询的列越多，意味着需要传输的数据量越大；
  2. 可能会影响到索引的使用。（索引待后面课程讲解）
select * from exam_result;

指定列查询：

select id,name,english from exam_result;

查询字段为表达式 ：

数学成绩统一加十分：

select id ,name,math+10 from exam_result;

计算成绩总分：

为查询结果指定别名

计算成绩总分，并且修改别名为‘总分’：

select id ,name,chinese+math+english 总分 from exam_result;

结果去重 ：

select distinct math from exam_result;

 2.where 条件

比较运算符：

运算符

说明

>, >=,

大于，大于等于，小于，小于等于

=

等于，NULL 不安全，例如 NULL = NULL 的结果是 NULL

<=>

等于，NULL 安全，例如 NULL NULL 的结果是 TRUE(1)

!=, <>

不等于

BETWEEN a0 AND a1

范围匹配，[a0, a1]，如果 a0

IN (option, ...)

如果是 option 中的任意一个，返回 TRUE(1)

IS NULL

是 NULL

IS NOT NULL

不是 NULL

LIKE

模糊匹配。% 表示任意多个（包括 0 个）任意字符；_ 表示任意一个字符

逻辑运算符：

运算符

说明

AND

多个条件必须都为 TRUE(1)，结果才是 TRUE(1)

OR

任意一个条件为 TRUE(1), 结果为 TRUE(1)

NOT

条件为 TRUE(1)，结果为 FALSE(0)

案例： 

英语不及格的同学即英语成绩 ( < 60 )：

select id,name,english from exam_result where english<60;

语文成绩在 [80, 90] 分的同学及语文成绩：

方法一：

select id,name,chinese from exam_result where chinese>=80 and chinese<=90;

方法二：

select id,name,chinese from exam_result where chinese between 80 and 90;

数学成绩是 58 或者 59 或者 98 或者 99 分的同学及数学成绩 ：

方法一：

select id,name,math from exam_result where math=58 or math=65 or math=99 or math=98;

方法二：

select id,name,math from exam_result where math in (58,65,99,98);

姓孙的同学 及 孙某同学 ：

姓孙的同学，包括孙某某和孙某：

select id,name from exam_result where name like '孙%';

 孙某同学，姓名只有两个字：

select id,name from exam_result where name like '孙_';

语文成绩好于英语成绩的同学 :

select id,name,chinese,math from exam_result where chinese>math;

总分在 200 分以下的同学:

注意：WHERE 条件中使用表达式，别名不能用在 WHERE 条件中。

select id,name,chinese+math+english total from exam_result where chinese+math+english <200;

为什么别名不能用在 WHERE 条件中使用？

上述SQL语句包括两部分：select和where部分，由于where的语句优先级比select语句优先级高，所以在where中别并并未生效。

语文成绩 > 80 并且不姓孙的同学：

select id,name,chinese from exam_result where chinese>80 and  name not like '孙%';

孙某同学，否则要求总成绩 > 200 并且 语文成绩 < 数学成绩 并且 英语成绩 > 80：

select name,chinese,math,english,chinese+math+english total from exam_result where name like '孙_' or (chinese+math+english>200 and chinese < math and english > 80);

NULL 的查询

select id,name,qq from exam_result where qq is not null;
select id,name,qq from exam_result where qq is null;

NULL 和 NULL 的比较，= 和 <=> 的区别：

3.结果排序

语法：

-- ASC 为升序（从小到大）
-- DESC 为降序（从大到小）
-- 默认为 ASC

SELECT ... FROM table_name [WHERE ...]
ORDER BY column [ASC|DESC], [...];

注意：没有 ORDER BY 子句的查询，返回的顺序是未定义的，永远不要依赖这个顺序.

案例：

同学及数学成绩，按数学成绩升序显示:

select id,name,math from exam_result order by math;
select id,name,math from exam_result order by  math asc;

同学及数学成绩，按数学成绩降序显示:

select id,name,math from exam_result order by  math desc;

 同学及 qq 号，按 qq 号排序显示：

select id,name,qq from exam_result order by qq desc;

注意：NULL 视为比任何值都小，降序出现在最下面 。

查询同学各门成绩，依次按 数学降序，英语升序，语文升序的方式显示 ：

select name,chinese,math,english from exam_result order by math desc , english asc ,chinese asc;

查询同学及总分，由高到低:

order by 中可以使用表达式。

select name,chinese+math+english total from exam_result order by chinese+math+english desc;
select name,chinese+math+english total from exam_result order by total desc;

order by 中可以使用别名的原因是，order SQL语句的优先级小于select的优先级，先筛选出结果在排序。

查询姓孙的同学或者姓曹的同学数学成绩，结果按数学成绩由高到低显示：

select name,math from exam_result where name like '孙%' or name like '曹%' order by math desc;

4.筛选分页结果

语法：

-- 起始下标为 0
-- 从 s 开始，筛选 n 条结果
SELECT ... FROM table_name [WHERE ...] [ORDER BY ...] LIMIT s, n
-- 从 0 开始，筛选 n 条结果
SELECT ... FROM table_name [WHERE ...] [ORDER BY ...] LIMIT n;
;
-- 从 s 开始，筛选 n 条结果，比第二种用法更明确，建议使用
SELECT ... FROM table_name [WHERE ...] [ORDER BY ...] LIMIT n OFFSET s;

建议：对未知表进行查询时，最好加一条 LIMIT 1，避免因为表中数据过大，查询全表数据导致数据库卡死。

案例：

按 id 进行分页，每页 3 条记录，分别显示 第 1、2、3 页：

select id,name,chinese,math,english from exam_result order by id limit 3 offset 0;
select id,name,chinese,math,english from exam_result order by id limit 3 offset 3;
select id,name,chinese,math,english from exam_result order by id limit 3 offset 6;

三.Update （修改）

语法：

UPDATE table_name SET column = expr [, column = expr ...]
[WHERE ...] [ORDER BY ...] [LIMIT ...]

对查询到的结果进行列值更新。

案例：

将孙悟空同学的数学成绩变更为 80 分：

将曹孟德同学的数学成绩变更为 60 分，语文成绩变更为 70 分 ：

将总成绩倒数前三的 3 位同学的数学成绩加上 30 分：

update exam_result set math=math+30 order by chinese+math+english limit 3 ;

  将所有同学的语文成绩更新为原来的 2 倍：

update exam_result set chinese=chinese*2 ;

四.Delete（删除）

1.删除数据

语法：

DELETE FROM table_name [WHERE ...] [ORDER BY ...] [LIMIT ...]

案例：

删除孙悟空同学的考试成绩：

delete from exam_result where name='孙悟空';

2.删除整张表数据

注意：删除整表操作要慎用！！！！

测试：

删除整张表：

 再次插入数据：

我们发现id的，auto_increment，还是会递增。

3.截断表

语法：

TRUNCATE [TABLE] table_name

注意：这个操作慎用

  • 1. 只能对整表操作，不能像 DELETE 一样针对部分数据操作；
  • 2. 实际上 MySQL 不对数据操作，所以比 DELETE 更快，但是TRUNCATE在删除数据的时候，并不经过真正的事物，所以无法回滚
  • 3. 会重置 AUTO_INCREMENT 项

案例：

截断表：

再次插入数据：

发现：AUTO_INCREMENT会重新计数。

4.去重表数据

数据准备：

步骤：

  1. 创建一张和原表一模一样规模的表
  2. 将原表的数据去重插入到新表中
  3. 将原表重命名，将新表重命名为原表的名称

五.聚合函数

函数

说明

COUNT([DISTINCT] expr)

返回查询到的数据的 数量

SUM([DISTINCT] expr)

返回查询到的数据的 总和，不是数字没有意义

AVG([DISTINCT] expr)

返回查询到的数据的 平均值，不是数字没有意义

MAX([DISTINCT] expr)

返回查询到的数据的 最大值，不是数字没有意义

MIN([DISTINCT] expr)

返回查询到的数据的 最小值，不是数字没有意义

 统计班级共有多少同学：

 统计班级同学的 qq 号有多少：

NULL 不会计入结果。

统计本次考试的数学成绩分数个数 ：

 统计数学成绩总分：

统计平均总分 ：

 返回英语最高分 ：

返回 > 70 分以上的数学最低分 ：

六.group by子句的使用 

在select中使用group by 子句可以对指定列进行分组查询:

select column1, column2, .. from table group by column;

准备工作，创建一个雇员信息表（来自oracle 9i的经典测试表）

  1. EMP员工表
  2. DEPT部门表
  3. SALGRADE工资等级表

 数据库文件   scott_data.sql 文件 提取码wqwq。

这是一个sql数据库备份文件使用souce 直接恢复到mysql。

 如何显示每个部门的平均工资和最高工资：

显示每个部门的每种岗位的平均工资和最低工资 ：

显示平均工资低于2000的部门和它的平均工资 ：

分组查询时使用having进行条件过滤：

 --having经常和group by搭配使用，作用是对分组进行筛选，作用有些像where。

本文来自互联网用户投稿，该文观点仅代表作者本人，不代表本站立场。本站仅提供信息存储空间服务，不拥有所有权，不承担相关法律责任。如若转载，请注明出处：http://www.rhkb.cn/news/221352.html

如若内容造成侵权/违法违规/事实不符，请联系长河编程网进行投诉反馈email:809451989@qq.com，一经查实，立即删除！

相关文章

【改进YOLOv8】磁瓦缺陷分类系统：改进LSKNet骨干网络的YOLOv8

【改进YOLOv8】磁瓦缺陷分类系统：改进LSKNet骨干网络的YOLOv8

1.研究背景与意义 项目参考AAAI Association for the Advancement of Artificial Intelligence 研究背景与意义 近年来&#xff0c;随着智能制造产业的不断发展&#xff0c;基于人工智能与机器视觉的自动化产品缺陷检测技术在各行各业中得到了广泛应用。磁瓦作为永磁电机的主…
阅读更多...
4.3 C++对象模型和this指针

4.3 C++对象模型和this指针

4.3 C对象模型和this指针 4.3.1 成员变量和成员函数分开存储 在C中&#xff0c;类内的成员变量和成员函数分开存储 只有非静态成员变量才属于类的对象上 #include <iostream>class Person { public:Person() {mA 0;} //非静态成员变量占对象空间int mA;//静态成员变量…
阅读更多...
AXure的情景交互

AXure的情景交互

目录 导语&#xff1a; 1.erp多样性登录界面 2.主页跳转 3.省级联动​编辑 4. 下拉加载 导语&#xff1a; Axure是一种流行的原型设计工具&#xff0c;可以用来创建网站和应用程序的交互原型。通过Axure&#xff0c;设计师可以创建情景交互&#xff0c;以展示用户与系统的交…
阅读更多...
JavaAwtSwing的JFrame的pack()方法,容器适配子组件大小,笔记231220

JavaAwtSwing的JFrame的pack()方法,容器适配子组件大小,笔记231220

pack()是extends自Window类的方法 使此窗口的大小适合其子组件的首选大小和布局。如果其中一个尺寸小于上一次调用setMinimumSize方法指定的最小尺寸&#xff0c;则会自动放大窗口的宽度和高度。 如果窗口和/或其所有者还不可显示&#xff0c;则在计算首选大小之前&#xff0…
阅读更多...
大数据机器学习：从理论到实战，探索学习率的调整策略

大数据机器学习：从理论到实战，探索学习率的调整策略

大数据机器学习&#xff1a;从理论到实战&#xff0c;探索学习率的调整策略 全文目录 大数据机器学习&#xff1a;从理论到实战&#xff0c;探索学习率的调整策略一、引言二、学习率基础定义与解释学习率与梯度下降学习率对模型性能的影响 三、学习率调整策略常量学习率时间衰减…
阅读更多...
如何入门 GPT 并快速跟上当前的大语言模型 LLM 进展？

如何入门 GPT 并快速跟上当前的大语言模型 LLM 进展？

入门GPT 首先说第一个问题&#xff1a;如何入门GPT模型&#xff1f; 最直接的方式当然是去阅读官方的论文。GPT模型从2018年的GPT-1到现在的GPT-4已经迭代了好几个版本&#xff0c;通过官方团队发表的论文是最能准确理清其发展脉络的途径&#xff0c;其中包括GPT模型本身和一…
阅读更多...
迪文屏开发保姆级教程——页面键盘

迪文屏开发保姆级教程——页面键盘

迪文屏页面键盘保姆级教程。 本篇文章主要介绍了在DGBUS平台上使用页面键盘的步骤。 迪文屏官方开发指南PDF&#xff1a;&#xff08;不方便下载的私聊我发给你&#xff09; https://download.csdn.net/download/qq_21370051/88647174?spm1001.2014.3001.5503https://downloa…
阅读更多...
浅析RoPE旋转位置编码的远程衰减特性

浅析RoPE旋转位置编码的远程衰减特性

为什么 θ i \theta_i θi​的取值会造成远程衰减性 旋转位置编码的出发点为&#xff1a;通过绝对位置编码的方式实现相对位置编码。 对词向量 q \boldsymbol{q} q添加绝对位置信息 m m m&#xff0c;希望找到一种函数 f f f&#xff0c;使得&#xff1a; < f ( q , m ) …
阅读更多...
深度学习中的张量维度

深度学习中的张量维度

1 深度学习中的张量 在深度学习框架中&#xff0c;Tensor&#xff08;张量&#xff09;是一种数据结构&#xff0c;用于存储和操作多维数组。张量可以被视为一种扩展的矩阵&#xff0c;它可以具有任意数量的维度。 在深度学习中&#xff0c;张量通常被用来表示神经网络的输入…
阅读更多...
Java 栈和队列的交互实现

Java 栈和队列的交互实现

文章目录 队列和栈的区别一.用队列模拟实现栈1.1入栈1.2出栈1.3返回栈顶元素1.4判断栈是否为空 二.用栈模拟实现队列2.1 入队2.2出队2.3peek2.4判断队列是否为空 三.完整代码3.1 队列模拟实现栈3.2栈模拟实现队列 队列和栈的区别 栈和队列都是常用的数据结构&#xff0c;它们的…
阅读更多...
解读远程工作设计师之未来与发展

解读远程工作设计师之未来与发展

引言 在数字化的浪潮下&#xff0c;“远程工作”已经成为现代职场的一个重要趋势。对于设计师来说&#xff0c;这不仅是一种工作方式的转变&#xff0c;更是职业发展的新机遇。在这篇文章中&#xff0c;我将从以下9个方面&#xff0c;深入探讨远程工作设计师的机会、市场和职位…
阅读更多...
2023ChatGPT浪潮，2024开源大语言模型会成王者？

2023ChatGPT浪潮，2024开源大语言模型会成王者？

《2023ChatGPT浪潮&#xff0c;2024开源大语言模型会成王者&#xff1f;》 一、2023年的回顾 1.1、背景 我们正迈向2023年的终点&#xff0c;回首这一年&#xff0c;技术行业的发展如同车轮滚滚。尽管互联网行业在最近几天基本上处于冬天&#xff0c;但在这一年间我们仍然经…
阅读更多...
如何开发一个prompt?prompt的使用有哪些原则？

如何开发一个prompt?prompt的使用有哪些原则？

提示词使用原则 如何开发一个跟自己预期结果接近的提示词&#xff1f;有哪些基本原则&#xff1f; 提示词迭代开发 写提示词时&#xff0c;第一次尝试是值得的&#xff0c;反复完善提示&#xff0c;获得越来越接近你想要的结果 原文来源于B站吴恩达提示工程教学公开课。…
阅读更多...
TensorFlow（2）：Windows安装TensorFlow

TensorFlow（2）：Windows安装TensorFlow

1 安装python环境 这一步请自行安装&#xff0c;这边不做介绍。 2 安装anaconda 下载路径&#xff1a;Index of /&#xff0c;用户自行选择自己的需要的版本。 3 环境配置 3.1 anaconda环境配置 找到设置&#xff0c;点击系统->系统信息->高级系统设置->环境变量…
阅读更多...
【VScode和Leecode的爱恨情仇】command ‘leetcode.signin‘ not found

【VScode和Leecode的爱恨情仇】command ‘leetcode.signin‘ not found

文章目录 一、关于command ‘leetcode.signin‘ not found的问题二、解决方案第一&#xff0c;没有下载Nodejs&#xff1b;第二&#xff0c;有没有在VScode中配置Nodejs第三&#xff0c;力扣的默认在VScode请求地址中请求头错误首先搞定配置其次搞定登入登入方法一&#xff1a;…
阅读更多...
Kafka-Kafka核心参数详解

Kafka-Kafka核心参数详解

Kafka的HighLevel API使用是非常简单的&#xff0c;所以梳理模型时也要尽量简单化&#xff0c;主线清晰&#xff0c;细节慢慢扩展。 Kafka提供了两套客户端API&#xff0c;HighLevel API和LowLevel API。 HighLevel API封装了kafka的运行细节&#xff0c;使用起来比较简单&…
阅读更多...
静态路由及动态路由

静态路由及动态路由

文章目录 静态路由及动态路由一、静态路由基础1. 静态路由配置2. 负载分担3. 路由备份4. 缺省路由5. 静态路由实操 二、RIP 动态路由协议1. RIP 协议概述2. RIP 协议版本对比2.1 有类路由及无类路由 3. RIP 路由协议原理4. RIP 计时器5. 度量值6. 收敛7. 示例 静态路由及动态路…
阅读更多...
【K8s】#1使用kuboard-spray安装K8s集群

【K8s】#1使用kuboard-spray安装K8s集群

文章目录 搭建k8s集群1.推荐配置1.1.服务器配置1.2.软件版本 2.使用Kuboard-Spray安装k8s集群2.1.配置要求2.2.操作系统兼容性2.3.安装 Kuboard-Spray2.4.加载离线资源包2.5.规划并安装集群2.6.安装成功2.7.访问集群 3.涉及的命令3.1.linux 4.问题汇总Q1&#xff1a;启动离线集…
阅读更多...
【Android Studio】各个版本下载地址

【Android Studio】各个版本下载地址

下载地址&#xff1a; https://developer.android.com/studio/archive?hlzh-cn
阅读更多...
无人机在融合通信系统中的应用

无人机在融合通信系统中的应用

无人驾驶飞机简称“无人机”&#xff0c;是利用无线电遥控设备和自备的程序控制装置操纵的不载人飞行器&#xff0c;现今无人机在航拍、农业、快递运输、测绘、新闻报道多个领域中都有深度的应用。 在通信行业中&#xff0c;无人机广泛应用于交通&#xff0c;救援&#xff0c;消…
阅读更多...
最新文章
推荐文章

Copyright @ 2022~2023