学习之SQL语句之DQL(数据库查询语言)

DQL英文全称是Data Query Language(数据查询语言),数据查询语言,用来查询数据库中表的记录
查询关键字:SELECT在这里插入图片描述

数据准备:
CREATE TABLE emp (
id INT COMMENT “编号”,
workno VARCHAR ( 10 ) COMMENT “工号”,
NAME VARCHAR ( 10 ) COMMENT “姓名”,
gender CHAR ( 1 ) COMMENT “性别”,
age TINYINT UNSIGNED COMMENT “年龄”,
idcard CHAR ( 18 ) COMMENT “身份证号”,
workaddress VARCHAR ( 50 ) COMMENT “工作地址”,
entrydate DATE COMMENT “入职时间”
) COMMENT “员工表”;

INSERT INTO emp ( id, workno, NAME, gender, age, idcard, workaddress, entrydate )
VALUES
( 1, “1”, “柳岩”, “女”, 20, “123456789012345678”, “北京”, “2000-01-01” ),
( 2, “2”, “张无忌”, “男”, 18, “123456789012345670”, “北京”, “2005-09-01” ),
( 3, “3”, “韦一笑”, “男”, 38, “123456789712345670”, “上海”, “2005-08-01” ),
( 4, “4”, “赵敏”, “女”, 18, “123456757123845670”, “北京”, “2009-12-01” ),
( 5, “5”, “小昭”, “女”, 16, “123456769012345678”, “上海”, “2007-07-01” ),
( 6, “6”, “杨道”, “男”, 28, “12345678931234567X”, “北京”, “2006-01-01” ),
( 7, “7”, “范瑶”, “男”, 40, “12345678921234567日”, “北京”, “2005-05-01” ),
( 8, “8”, “黛绮丝”, “女”, 38, “123456157123645670”, “天津”, “2015-05-01”),
( 9, “9”, “范凉凉”, “女”, 45, “123156789012345678”, “北京”, “2010-04-01” ),
( 10, “1”, “陈友谅”, “男”, 53, “123456789012345670”, “上海”, “2011-01-01” ),
( 11, “11”, “张士诚”, “男”, 55, “123567897123465670”, “江苏”, “2015-05-01” ),
( 12, “12”, “常遇春”, “男”, 32, “123446757152345670”, “北京”, “2004-02-01” ),
( 13, “13”, “张三丰”, “男”, 88, “123656789012345678”,“江苏”, “2020-11-01” ),
( 14, “14”, “灭绝”, “女”, 65, “123456719012345670”, “西安”, “2019-05-01” ),
( 15, “15”, “胡青牛”, “男”, 70, “12345674971234567X”, “西安”, “2018-04-01” ),
( 16, “16”,“周芷若”, “女”, 18, NULL, “北京”, “2012-06-01” );

DQL -基本查询

1、查询多个字段

SELECT 字段1,字段2… FROM 表名;
SELECT * FROM 表名;

2、设置别名

SELECT 字段1 [AS 别名],字段2[AS 别名]… FROM 表名;

3、去除重复记录

SELECT DISTINCT 字段列表 FROM 表名;
案例:
在这里插入图片描述
– 1.查询指定字段 name,workno,age 返回
select name, workno,age from emp;
在这里插入图片描述
– 2.查询所有字段返回
select id, workno, name, gender, age, idcard,workaddress, entrydate from emp;
select * from emp;
在这里插入图片描述– 3.查询所有员工的工作地址,起别名
select workaddress as ‘工作地址’ from emp;
select workaddress “工作地址” from emp;
在这里插入图片描述
– 4.查询公司员工的上班地址(不要重复)
select distinct workaddress from emp;
在这里插入图片描述

DQL - 条件查询

在这里插入图片描述
案例:
在这里插入图片描述

DQL -聚合函数

在这里插入图片描述
在这里插入图片描述

DQL -分组查询


在这里插入图片描述

DQL - 排序查询

在这里插入图片描述
在这里插入图片描述

DQL-分页查询

在这里插入图片描述

在这里插入图片描述

– DQL练习

在这里插入图片描述
在这里插入图片描述

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/413320.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

day45.动态规划

1035.不相交的线: 在两条独立的水平线上按给定的顺序写下 nums1 和 nums2 中的整数。 现在,可以绘制一些连接两个数字 nums1[i] 和 nums2[j] 的直线,这些直线需要同时满足: nums1[i] nums2[j] 且绘制的直线不与任何其他连线(非水…

【Python】家庭用电数据的时序分析

Household Electricity Consumption | Kaggle 目录 数据简介 探索分析 数据清洗 用电占比 趋势分析 序列分解 周期分析 周期分解 分析小结 数据简介 240000-household-electricity-consumption-records数据集包含了一个家庭6个月的用电数据,收集于2007年1…

安防监控/软硬一体/视频汇聚网关EasyCVR硬件启动崩溃是什么原因?

安防视频监控EasyCVR安防监控视频系统采用先进的网络传输技术,支持高清视频的接入和传输,能够满足大规模、高并发的远程监控需求。EasyCVR平台支持多种视频流的外部分发,如RTMP、RTSP、HTTP-FLV、WebSocket-FLV、HLS、WebRTC、WS-FMP4、HTTP-…

MySql【数据查询语言DQL】

DQL[非常重要] DQL 主要指查询语句,有查询单表数据,也有查多表数据表,单表查询 基本查询 条件查询 模糊查询 排序查询 聚合查询 去重查询 分组查询 限制查询 1、 数据准备 将发的stu.sql导入到MySql中 2、 基本查询 select 字段1,字段2,... from 表名; 查询返回的是一张…

C语言 ——— 文件读取结束的判定

目录 判定文件读取结束的方式 被错误使用的feof函数 判定文件结束的正确使用 判定文件读取结束的方式 判断文本文件是否读取结束: 利用 fgetc 判断返回值是否为 EOF 利用 fgets 判断返回值是否为 NULL 判断二进制文件是否读取结束: 利用 fread 判…

MAC环境导出项目的目录结构

一、安装Homebrew包管理工具 /bin/bash -c "$(curl -fsSL https://gitee.com/ineo6/homebrew-install/raw/master/install.sh)" 官网网址:https://brew.idayer.com/ 二、用brew包管理工具安装tree brew install tree 三、打开终端,导出项目…

axios响应

一.axios请求配置项(axios在调用时所接收的参数对象) 以下是请求时可用的配置选项,只有url是必须的,如果没有指定method,请求将默认使用get方法 { // url 是用于请求的服务器 URL url: "/user", // method 是创建请…

【三维重建】三角网格中轴骨架线提取

三维网格中轴线提取 方法介绍实现提取 三维网格中轴线提取是计算机图形学和三维建模领域中的一个重要技术,它对于理解三维形状的拓扑结构和几何特性具有重要意义。 方法介绍 以下是几种常见的三维网格中轴线提取方法: 基于距离变换的方法 基本原理&…

大数据计算-SQL优化手段(CBO)-以Flink为例

文章目录 背景理论知识示例结果展示结果解释 背景 大数据计算中,SQL生成的执行计划第一轮会经过固定规则的优化,第二轮会根据原计划,生成多条结合成本的的执行计划,根据cost 进行排序,选出最优的执行计划。 理论知识…

【大数据算法】时间亚线性算法之:时间亚线性判定算法概述。

时间亚线性判定算法概述 1、引言2、空间亚线性算法2.1 定义2.2 实现方式2.3 应用场景2.3.1 大数据分析2.3.2 流数据处理2.3.3 近似计算2.3.4 稀疏数据操作 2.4 代码示例 3、总结 1、引言 小屌丝:鱼哥,最近看新闻没啊? 小鱼:我天天…

Upload-labs靶场通过攻略

pass-01 1.写一个一句话木马 2.上传php文件 当我们上传php文件时 提示文件类型不正确 3.修改php后缀 通过修改php后缀为jpg 抓包再次修改成php文件 4.查看是否上传成功 页面显示图片 表示上传成功 pass-02 1.上传一个php文件 页面显示文件类型不正确 2.抓包修改 可以看…

【化学方程式配平 / 3】

题目 代码 #include <bits/stdc.h> using namespace std; const double eps 1e-8; unordered_map<string, int> e; int eidx, midx; //eidx 元素数&#xff0c; midx 物质数 double matrix[45][45]; int q; bool check_alpha(char c) {if(c > a && c …

Android APK打包脚本

build.gradle版本 同目录创建config.gradle文件写入需要的信息入 config.gradle文件内容 ext { /*** 自定义APP运行环境* dev: 开发* test: 测试* pro: 生产*/ env "pro" /*** 动态参数配置&#xff0c;根据自己需要添加参数* APP_ID: 包名* VERSION_CODE: 版本号…

【TDesign】如何修改CSS变量

Tdesign的组件想通过style定义样式没效果, 可以通过组件api文档修改, 组件提供了下列 CSS 变量&#xff0c;可用于自定义样式。 比如Cell, https://tdesign.tencent.com/miniprogram/components/cell?tabapi 提供了&#xff1a; –td-cell-left-icon-color 图标颜色 –td-cell…

yolo训练策略--使用 Python 和 OpenCV 进行图像亮度增强与批量文件复制

简介 在计算机视觉和深度学习项目中&#xff0c;数据增强是一种常用的技术&#xff0c;通过对原始图像进行多种变换&#xff0c;可以增加数据集的多样性&#xff0c;从而提高模型的泛化能力。本文将介绍如何使用 Python 和 OpenCV 实现图像的亮度增强&#xff0c;并将增强后的…

Golang | Leetcode Golang题解之第383题赎金信

题目&#xff1a; 题解&#xff1a; func canConstruct(ransomNote, magazine string) bool {if len(ransomNote) > len(magazine) {return false}cnt : [26]int{}for _, ch : range magazine {cnt[ch-a]}for _, ch : range ransomNote {cnt[ch-a]--if cnt[ch-a] < 0 {r…

Vue(八) localStorage、组件的自定义事件、Todo案例修改

文章目录 一、浏览器本地存储1. 相关API2. Todo案例中的应用 二、组件的自定义事件1. 回顾props传值方式2. 绑定自定义事件&#xff08;1&#xff09;方式一&#xff1a;v-on或&#xff08;2&#xff09;方式二&#xff1a; ref 3. 解绑自定义事件4. 注意点总结 三、Todo案例采…

算法复盘——LeetCode hot100:哈希

文章目录 哈希表哈希表的基本概念哈希表的使用1. 插入操作2. 查找操作3. 删除操作 哈希表的优点和缺点1.两数之和复盘 242.有效的字母异位词复盘 49.字母异位词分组复盘 128. 最长连续序列复盘HashSet 哈希表 先来搞清楚什么是哈希表吧~ 概念不清楚方法不清楚怎么做题捏 哈希表…

c++习题28-计算2的N次方

目录 一&#xff0c;题目 二&#xff0c;思路 三&#xff0c;代码 一&#xff0c;题目 描述 任意给定一个正整数N(N<100)&#xff0c;计算2的n次方的值。 输入描述 输入一个正整数N。 输出描述 输出2的N次方的值。 用例输入 1 5 用例输出 1 32 二&#xff0…

【王树森】Transformer模型(2/2): 从Attention层到Transformer网络(个人向笔记)

Single Head Self-Attention 上节课讲到的属于单头注意力&#xff1a; Multi-Head Self-Attention 使用 l l l 个单头注意力层堆叠成一个多头注意力层&#xff0c;注意它们之间不共享参数一个单头注意力有 3 个参数矩阵&#xff0c;所以多头注意力有 3 l 3l 3l 个参数矩阵…