数据库的查询语句

article/2025/8/22 11:02:57

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.查询部分字段

select goodsName, price from goods;

3. 起字段别名

-- select 字段名 as '别名' from goods;
-- 注意: as和引号可以省略
select goodsName 商品名称 , price 价格 from goods;

4. 拓展

        起别名的作用: 
                    1> 美化数据结果的显示效果 
                    2> 可以起到隐藏真正字段名的作⽤

 

二 . 条件查询

1. 查询同时符合两种条件的数据

-- 查询价格等于30 并且出⾃并夕夕的所有商品信息  
select * from goods where price=30 and company='并夕夕';

2. 查询符合一种条件但不符合另一种条件的数据

-- 查询价格等于30但不出⾃并夕夕的所有商品信息
select * from goods where not company='并夕夕' and price=30;

三 . 模糊查询

-- 查询全部⼀次性⼝罩的商品信息
-- 模糊查询: like 和符号 %(任意多个字符)/_(任意⼀个字符)-- %关键词% : 关键词在中间
select * from goods where remark like '%⼀次性%';-- %关键词 : 关键词在末尾
select * from goods where remark like '%⼀次性';-- 关键词% : 关键词在开头
select * from goods where remark like '⼀次性';

四 . 范围查询

-- 查询所有价格在30-100的商品信息-- 范围查询: 
1> ⾮连续范围: in 
2> 连续范围: between ... and ...select * from goods where price between 30 and 100;
-- 注意: between ... and ... 的范围必须是从⼩到⼤

五 . 为空查询

-- 查询没有描述信息的商品信息
-- 注意: 在 MySQL 中, 只有显示为 NULL 的才为空! 其余空⽩可能是空格/制表符(tab)/换⾏符
(回⻋键)等空⽩符号-- 判断空: 
1> 为空: is null 
2> 不为空(双重否定表肯定): is not nullselect * from goods where remark is null;
-- 补充需求: 查询有描述信息的所有商品
select * from goods where remark is not null;

六 . 排序

-- 查询所有商品信息, 按照价格从⼤到⼩排序, 价格相同时, 按照数量少到多排序-- select * from 表名 order by 列1 asc|desc,列2 asc|desc,...
-- 说明: order by 排序, asc : 升序, desc : 降序-- 注意: 排序过程中, ⽀持连续设置多条排序规则, 但离 order by 关键字越
近, 排序数据的范围越⼤!select * from goods order by price desc;
select * from goods order by price desc, count asc;
-- 注意: 默认排序为升序, asc 可以省略
select * from goods order by price desc, count;

七 . 聚合函数

-- 查询以下信息: 商品信息总条数; 最⾼商品价格; 最低商品价格;
商品平均价格; ⼀次性⼝罩的总数量
-- 聚合函数: 系统提供的⼀些可以直接⽤来获取统计数据的函数-- 商品信息总条数: count(字段): 查询总记录数
select count(*) from goods;-- 注意: 统计数据总数, 建议使⽤*, 如果使⽤某⼀特定字段, 可能会造成数据
总数错误!select count(remark) from goods;
-- 最⾼商品价格: max(字段): 查询最⼤值select max(price) from goods;
-- 最低商品价格: min(字段): 查询最⼩值select min(price) from goods;
-- 商品平均价格: avg(字段): 求平均值select avg(price) from goods;
-- ⼀次性⼝罩的总数量: sum(): 求和-- 注意: 此处的 count 是数据表中字段名!
select sum(count) from goods where remark like '%⼀次性%';
-- 扩展: 在需求允许的情况下, 可以⼀次性在⼀条 SQL语句中, 使⽤所有的聚
合函数
select count(*), max(price), min(price), avg(price) from goods;

八 . 分组

-- 查询每家公司的商品信息数量
-- 分组: select 字段1,字段2,聚合... from 表名 group by 字段1,字段
2...
-- 说明: group by : 分组-- 注意:
-- 1> ⼀般情况, 使⽤哪个字段进⾏分组, 那么只有该字段可以在 * 的位置处
使⽤, 其他字段没有实际意义(只要⼀组数据中的⼀条)-- 2> 分组操作多和聚合函数配合使⽤
select count(*) from goods group by company;
select * from goods;
select company, count(*) from goods group by company;-- 说明: 其他字段没有实际意义(只要⼀组数据中的⼀条)
select price, count(*) from goods group by company;-- 扩充: 分组后条件过滤
-- 说明: group by 后增加过滤条件时, 需要使⽤ having 关键字
-- 注意:
-- 1. group by 和 having ⼀般情况下需要配合使⽤
-- 2. group by 后边不推荐使⽤ where 进⾏条件过滤
-- 3. having 关键字后侧可以使⽤的内容与 where 完全⼀致(⽐较运算符/逻
辑运算符/模糊查询/判断空)
-- 3. having 关键字后侧允许使⽤聚合函数
-- where 和 having 的区别:
-- where 是对 from 后⾯指定的表进⾏数据筛选,属于对原始数据的筛选
-- having 是对 group by 的结果进⾏筛选
-- having 后⾯的条件中可以⽤聚合函数,where 后⾯不可以

九 . 分页查询

-- 查询当前表当中第5-10⾏的所有数据
-- 分⻚查询: select * from 表名 limit start,count -- 说明: limit 分⻚; start : 起始⾏号; count : 数据⾏数
-- 注意: 计算机的计数从 0 开始, 因此 start 默认的第⼀条数据应该为 0,
后续数据依次减1
-- 过渡需求: 获取前 5 条数据
select * from goods limit 0, 5;
-- 注意: 如果默认从第⼀条数据开始获取, 则 0 可以省略!
select * from goods limit 5;
-- 需求:
select * from goods limit 4, 6;-- 扩展 1: 根据公式计算显示某⻚的数据
-- 已知:每⻚显示m条数据,求:显示第n⻚的数据
-- select * from 表名 limit (n-1)*m, m
-- 示例: 每⻚显示 4 条数据, 求展示第 2 ⻚的数据内容
select * from goods limit 0, 4; -- 第1⻚(有数据)
select * from goods limit 4, 4; -- 第2⻚(有数据)
select * from goods limit 8, 4; -- 第3⻚(有数据)
select * from goods limit 12, 4; -- 第4⻚(⼀共 12 条数据, 每⻚显示
4 条, 没有第 4 ⻚数据)-- 扩展 2: 分⻚的其他应⽤
-- 需求: 要求查询商品价格最贵的数据信息
select * from goods order by price desc limit 1;
-- 进阶需求: 要求查询商品价格最贵的前三条数据信息
select * from goods order by price desc limit 3;

http://chatgpt.dhexx.cn/article/qFByK84J.shtml

相关文章

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…

什么是深度卷积神经网络,卷积神经网络怎么学

卷积神经网络通俗理解 。 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(deeplearning)的代表算法…

深度学习—卷积神经网络(Convolutional Neural Networks)

卷积神经网络(Convolutional Neural Networks) 卷积神经网络(convolutional neural network, CNN),是一种专门用来处理具有类似网格结构的数据的神经网络。例如时间序列数据(可以认为是在时间轴上有规律地…