【查漏补缺】Python数据库条件查询、删除处理201~220

201.【查】利用as为字段指定别名的查询:select 字段1 as 别名1, 字段2 as 别名2 from 表名 where 条件;

说明:字段1 as 别名1,字段2 as 别名2这里的字段书写顺序将会是查询出来的字段的顺序。

202.【删】把数据从数据库中删除称为物理删除;把数据通过字段来标记是否删除而不是从数据库中删除,称为逻辑删除。

203.【删】delete from 表名删除整张数据表。delete from 表名 where 条件根据条件删除数据表中的数据。这都属于物理删除,极不推荐!

204.当字段的类型为bit类型时,bit表示一位,只能存储0或1。也可以扩大存储空间bit(2)表示2位,以此类推。

205.【查】可用表名.字段名查询:select 表名.字段1, 表名.字段2 from 表名 where 条件;

206.【查】利用as为"表"指定别名的查询:select 表别名.字段1, 表别名.字段2 from 表名 as 表别名 where 条件;

注意:一旦为表起了别名,则再用表名.字段名查询时,就只能用表的别名了。若强制使用表原名,则报错:不认识的表名!

207.【查】查询时去重:select distinct 字段1 from 表名 where 条件;

208.【查】模糊查询用字段 like 值或字段 rlike 正则%表示任意0个或多个。_表示1个。
select 字段1 from 表名 where 字段1 like 值;

209.【查】范围查询in或not in:非连续的where 字段 in (value1, value2, value3);;或where 字段 not in (value1, value2, value3);;

210.【查】在某个范围连续查用between...and...not between...and...,例如:where 字段 between value1 and value2;
或者where 字段 not between value1 and value2;;

注意不存在not (between...and...),这种写法报错!

211.【查】条件空判断:is null 或 is not null

212.【查】排序,默认按照主键升序排列。如果想要根据某字段升序或降序,则可以用:升序:where 条件 order by 字段1,字段2,字段3 asc;或降序:where 条件 order by 字段1,字段2,字段3 desc;

说明:order by 字段1,字段2,字段3会在字段1的值相同时按照字段2排序,以此类推,最后如果排序的一段的值都相同,则根据主键排序。

213.【查】符合条件的共计有几个select count(*) as 别名 from 表名 where 条件;

214.【查】select function(字段1或表达式) as 别名 from 表名 where 条件;这里的函数function()可以有:count()、max()、min()、avg()、round()

215.因为编译器一般都是c需要实现的,而c语言的小数是有误差的。所有带小数的值都是四舍五入的结果,也就是有误差。为了避免,我们可以在存值时先将数据放大100倍或1000、10000倍再去存储。因为整数是没有误差的。特别在银行,要特别注意这一点。

216.【查】分组:group by 字段。按某字段分组后,再查询就是在各个组中处理了。例如计算各个部门(department)有多少人:select department, count(*) from 表名 group by department;
再如,统计各个部门都有谁:select department, group_concat(name) from 表名 group by department;

217.分组后,就可以这么理解:把分组后的每一组看成一条记录。此时,select后面必须是唯一标记改组的才行,用分组的字段最靠谱,因为分组就是用该字段来进行的。
select department, group_concat(name) from 表名 group by department;

218.如果要从该组中获取更多信息,则要用:group_concat(字段1, 字段2, "其他描述文字也可以")group_concat()中写什么,最后会拼接在一起,所以为了最后结果更直观,我们可以根据实际情况加上其他描述文字。

219.having 条件用来对分组后的组进行条件过滤。select department, group_concat(name) from 表名 group by department having 条件;

220.where 条件是对表中的记录进行条件过滤;having 条件用来对分组后的组进行条件过滤,要注意两者之间不同。
select department, group_concat(name) from 表名 where 条件 group by department having 条件;

最后编辑于
©著作权归作者所有,转载或内容合作请联系作者
  • 序言:七十年代末,一起剥皮案震惊了整个滨河市,随后出现的几起案子,更是在滨河造成了极大的恐慌,老刑警刘岩,带你破解...
    沈念sama阅读 214,875评论 6 496
  • 序言:滨河连续发生了三起死亡事件,死亡现场离奇诡异,居然都是意外死亡,警方通过查阅死者的电脑和手机,发现死者居然都...
    沈念sama阅读 91,569评论 3 389
  • 文/潘晓璐 我一进店门,熙熙楼的掌柜王于贵愁眉苦脸地迎上来,“玉大人,你说我怎么就摊上这事。” “怎么了?”我有些...
    开封第一讲书人阅读 160,475评论 0 350
  • 文/不坏的土叔 我叫张陵,是天一观的道长。 经常有香客问我,道长,这世上最难降的妖魔是什么? 我笑而不...
    开封第一讲书人阅读 57,459评论 1 288
  • 正文 为了忘掉前任,我火速办了婚礼,结果婚礼上,老公的妹妹穿的比我还像新娘。我一直安慰自己,他们只是感情好,可当我...
    茶点故事阅读 66,537评论 6 386
  • 文/花漫 我一把揭开白布。 她就那样静静地躺着,像睡着了一般。 火红的嫁衣衬着肌肤如雪。 梳的纹丝不乱的头发上,一...
    开封第一讲书人阅读 50,563评论 1 293
  • 那天,我揣着相机与录音,去河边找鬼。 笑死,一个胖子当着我的面吹牛,可吹牛的内容都是我干的。 我是一名探鬼主播,决...
    沈念sama阅读 39,580评论 3 414
  • 文/苍兰香墨 我猛地睁开眼,长吁一口气:“原来是场噩梦啊……” “哼!你这毒妇竟也来了?” 一声冷哼从身侧响起,我...
    开封第一讲书人阅读 38,326评论 0 270
  • 序言:老挝万荣一对情侣失踪,失踪者是张志新(化名)和其女友刘颖,没想到半个月后,有当地人在树林里发现了一具尸体,经...
    沈念sama阅读 44,773评论 1 307
  • 正文 独居荒郊野岭守林人离奇死亡,尸身上长有42处带血的脓包…… 初始之章·张勋 以下内容为张勋视角 年9月15日...
    茶点故事阅读 37,086评论 2 330
  • 正文 我和宋清朗相恋三年,在试婚纱的时候发现自己被绿了。 大学时的朋友给我发了我未婚夫和他白月光在一起吃饭的照片。...
    茶点故事阅读 39,252评论 1 343
  • 序言:一个原本活蹦乱跳的男人离奇死亡,死状恐怖,灵堂内的尸体忽然破棺而出,到底是诈尸还是另有隐情,我是刑警宁泽,带...
    沈念sama阅读 34,921评论 5 338
  • 正文 年R本政府宣布,位于F岛的核电站,受9级特大地震影响,放射性物质发生泄漏。R本人自食恶果不足惜,却给世界环境...
    茶点故事阅读 40,566评论 3 322
  • 文/蒙蒙 一、第九天 我趴在偏房一处隐蔽的房顶上张望。 院中可真热闹,春花似锦、人声如沸。这庄子的主人今日做“春日...
    开封第一讲书人阅读 31,190评论 0 21
  • 文/苍兰香墨 我抬头看了看天上的太阳。三九已至,却和暖如春,着一层夹袄步出监牢的瞬间,已是汗流浃背。 一阵脚步声响...
    开封第一讲书人阅读 32,435评论 1 268
  • 我被黑心中介骗来泰国打工, 没想到刚下飞机就差点儿被人妖公主榨干…… 1. 我叫王不留,地道东北人。 一个月前我还...
    沈念sama阅读 47,129评论 2 366
  • 正文 我出身青楼,却偏偏与公主长得像,于是被迫代替她去往敌国和亲。 传闻我的和亲对象是个残疾皇子,可洞房花烛夜当晚...
    茶点故事阅读 44,125评论 2 352