C# 数据库查询语句1

article/2025/8/22 10:54:21
                                       C# 数据库查询语句1
作者:陈钰桃
撰写时间:2022年3月27日

第1节. 查询数据
数据库表是存储数据库中所有数据的对象。 在表中,数据按行和列格式逻辑组织,类似于电子表格(Excel)。在表中,每行代表一个唯一记录,每列代表记录中的一个字段。
要从表中查询数据,请使用 SELECT 语句。 以下是 SELECT 语句的最基本形式:
SELECT select_list
FROM schema_name.table_name;
在上面语法中,
首先, select_list 指定要在 SELECT 子句中查询数据的逗号分隔列的列表。
其次, schema_name.table_name 是在 FROM 子句中指定源表及其模式名称。
处理SELECT语句时,SQL Server首先处理 FROM 子句,然后处理 SELECT 子句,即使SELECT子句首先出现在查询中也是一样。

第2节. 对数据进行排序
使用 SELECT 语句从表中查询数据时,不保证结果集中的行顺序。 这意味着SQL Server可以返回具有未指定行顺序的结果集。
保证结果集中的行已排序的方法是使用 ORER BY 子句。 以下是 ORDER BY 子句的语法:
(如果同时出现中文与英文,先排序英文然后再根据中文拼音首字母排序)
select * from[sales].[customers]
order by first_name
在这里插入图片描述

在上面语法中,
first_name - 指定要对查询结果集进行排序的列名或表达式。 如果指定多个列,则结果集按第一列排序,然后该排序结果集按第二列排序,依此类推。 ORDER BY 子句中出现的列必须对应于选择列表中的列或 FROM 子句中指定的表中定义的列。
ASC | DESC - 使用 ASC 或 DESC 指定是否应按升序或降序对指定列中的值进行排序。 ASC 将结果从最低值排序到最高值,而 DESC 将结果集从最高值排序到最低值。如果未明确指定 ASC 或DESC ,则SQL Server将默认使用 ASC 来排序顺序。 此外,SQL Server将 NULL 视为最低值。
处理具有 ORDER BY 子句的 SELECT 语句时, ORDER BY 子句是要处理的最后一个子句。

  1. 按升序对结果集进行排序 将结果从最低值排序到最高值
    select * from [sales].[customers]
    order by customer_id asc
    在这里插入图片描述

2.按降序对结果集按一列排序DESC 将结果集从最高值排序到最低值
select * from [sales].[customers]
order by customer_id desc;
在这里插入图片描述

3.按多列对结果集进行排序(以下语句检索客户的名字,姓氏和城市。 它首先按城市对客户列表进行排序,然后按名字排序)。
select city, first_name, last_name
from sales.customers
order by city, first_name;
在这里插入图片描述

  1. 按多列和不同顺序对结果集进行排序(以下语句按城市按降序对客户进行排序,之后按第一个名称按升序对排序结果进行排序)。
    select * from [sales].[customers]
    order by city desc,first_name
    在这里插入图片描述

  2. 按不在选择列表中的列对结果集进行排序,请注意, state 列在 customers 表中定义。 如果不是,那么查询将无效。
    可以通过选择列表中未显示的列对结果集进行排序。 例如,以下语句按 state 对客户进行排序,即使state 列未显示在选择列表中
    select city, first_name, last_name
    from sales.customers
    order by state;
    在这里插入图片描述

  3. 按表达式对结果集进行排序
    select city,first_name from [sales].[customers]
    order by city desc,len(first_name)
    在这里插入图片描述

  4. 按列的序数位置排序
    SQL Server允许根据选择列表中显示的列的序号位置对结果集进行排序。
    select city,first_name from [sales].[customers]
    order by 1,2
    在这里插入图片描述


http://chatgpt.dhexx.cn/article/JqhFQBGc.shtml

相关文章

数据库基础之查询语句

mysql三范式: 第一范式(确保每列保持原子性)【属性不可分】 第二范式(确保表中的每列都和主键相关)【符合第一范式,同时非主属性完全依赖于主键】 第三范式(确保每列都和主键列直接相关,而不是间接相关)【符合2NF,并且消除传递依赖】 前言 …

数据库的查询语句

目录 一 . 基本查询 1. 查询所有数据 2.查询部分字段 3. 起字段别名 4. 拓展 二 . 条件查询 三 . 模糊查询 四 . 范围查询 五 . 为空查询 六 . 排序 七 . 聚合函数 八 . 分组 九 . 分页查询 练习模板 一 . 基本查询 1. 查询所有数据 select * from goods; 2.查…

深度学习-深度卷积神经网络发展

AlexNet网络 现代意义上的深度卷积神经网络起源于AlexNet网络,它是深度卷积神经网络的鼻祖。这个网络相比之前的卷积网络最显著的特点是层次加深,参数规模变大。网络结构如下图所示: 这个网络有5个卷积层,它们中的一部分后面接着m…

什么是深度卷积神经网络,基于深度卷积神经网络

卷积神经网络算法是什么? 一维构筑、二维构筑、全卷积构筑。 卷积神经网络(ConvolutionalNeuralNetworks,CNN)是一类包含卷积计算且具有深度结构的前馈神经网络(FeedforwardNeuralNetworks),是深度学习&a…

经典卷积和深度卷积的神经网络

文章目录 LeNet网络AlexNet深度卷积神经网络 (AlexNet)VGGNIN(网络中的概念)含并行连接的网络GoogLeNet / Inception V3批量 归一化一些B站评论区大佬讨论残差网络ResNetResNet为什么能训练一千层暂时浅过一遍,不求每个部分都理解很深度,后面通过复现项目来加深理解。 这里…

深度学习--卷积神经网络

目录 (一)输入层(Input Layer) (二)卷积层(Convolution Layer) (三)激活层(Activation Layer) (四)池化层…

基于深度卷积神经网络,深度卷积神经网络结构

1、卷积神经网络算法是什么? 一维构筑、二维构筑、全卷积构筑。 卷积神经网络(Convolutional Neural Networks, CNN)是一类包含卷积计算且具有深度结构的前馈神经网络(Feedforward Neural Networks),是深…

深度学习——卷积神经网络

卷积神经网络CNN由纽约大学的Yann Lecun于1998年提出,其本质是一个多层感知机,成功的原因在于其所采用的局部连接和权值共享的方式: 一方面减少了权值的数量使得网络易于优化另一方面降低了模型的复杂度,也就是减小了过拟合的风险…

深度卷积神经网络学习(CNN)

什么是卷积神经网络 CNN:神经网络在前面的学习中我们已经了解过很多了,其本质就是多层感知机,卷积神经网络其实也一样,但是我们可以将其看成多层感知机的变种。它成功的原因在于其所采用的局部连接和权值共享的方式: …

深度卷积神经网络及各种改进

文章目录 1、残差网络2、不同大小卷积核并行卷积3、利用(1,x),(x,1)卷积代替(x,x)卷积4、采用瓶颈(Bottleneck)结构5、深度可分离卷积6、改进版深度可分离卷积残差网络7、倒转残差(Inverted residuals)结构8、并行空洞卷积 1、残差网络 这个网络主要源自于Resnet网络&#xff…

深度学习-卷积神经网络(python3代码实现)

卷积神经网络(上) 作者:Bossof537 写这个也不容易,小哥哥小姐姐转载请注明出处吧,感谢! 1、简介 卷积神经网络与常规的神经网络十分相似,它们都由可以对权重和偏置进行学习的神经元构成。每个神…

深度神经网络与卷积神经网络的区别

前馈神经网络、BP神经网络、卷积神经网络的区别与联系 一、计算方法不同1、前馈神经网络:一种最简单的神经网络,各神经元分层排列。每个神经元只与前一层的神经元相连。接收前一层的输出,并输出给下一层.各层间没有反馈。 2、BP…

深度卷积神经网络是什么,卷积神经网络结构设计

卷积神经网络算法是什么? 一维构筑、二维构筑、全卷积构筑。 卷积神经网络(ConvolutionalNeuralNetworks,CNN)是一类包含卷积计算且具有深度结构的前馈神经网络(FeedforwardNeuralNetworks),是深度学习&a…

深度学习,卷积神经网络

卷积神经网络 1.卷积神经网络应用领域 CV领域发展 CV领域是计算机视觉(Computer Vision)领域的简称。 计算机视觉是指利用计算机模拟人类视觉系统的科学,让计算机具有类似于人类在观察外界的视觉、图像的能力,包括图像处理、图…

AlexNet-深度卷积神经网络(CNN卷积神经网络)

文章目录 深度卷积神经网络(AlexNet)AlexNet模型说明激活函数选定模型定义读取数据集训练AlexNet小结 深度卷积神经网络(AlexNet) 2012年,AlexNet横空出世。它首次证明了学习到的特征可以超越出手工设计的特征。 它一…

深度学习中的卷积神经网络

博主简介 博主是一名大二学生,主攻人工智能研究。感谢让我们在CSDN相遇,博主致力于在这里分享关于人工智能,c,Python,爬虫等方面知识的分享。 如果有需要的小伙伴可以关注博主,博主会继续更新的&#xff0c…

深度学习:卷积神经网络(详解版)

文章目录 一、全局连接VS局部连接1.1 局部神经元连接的优势1.2 全连接网络的权重参数量1.3 神经网络的局部特征提取(卷积) 二:感受野2.1 生物上的定义2.2 深度学习的定义2.3 感受野的作用2.4 感受野的计算公式2.5 感受野对网络的影响 三&…

深度卷积神经网络基本介绍

关于深度卷积神经网络的前世今生,就不在此处进行过多的介绍。在此,主要对网络的各个组成部分进行简要介绍: 图1 基本的深度卷积网络结构 通过图1可知深度卷积神经网络主要是由输入层、卷积层、激活函数、池化层、全连接层和输出层组成。以下将…

深度卷积神经网络(CNN)

CNN简述 卷积神经网络(Convolutional Neural Network,CNN),它是属于前馈神经网络的一种,其特点是每层的神经元节点只响应前一层局部区域范围内的神经元(全连接网络中每个神经元节点则是响应前一层的全部节…

深度学习|卷积神经网络

一、卷积神经网络简介 卷积神经网络(Convolutional Neural Network,CNN)是一种深度学习神经网络结构,主要用于图像识别、计算机视觉等领域。该结构在处理图像等高维数据时表现出色,因为它具有共享权重和局部感知的特点…