mysql学习笔记

本文介绍SQL中模糊查询的实现方式,包括使用like进行模式匹配,掌握round函数的运用,了解asc与desc的区别及使用,学会利用group by进行数据分组,以及where与having子句的不同应用场景。

摘要生成于 C知道 ,由 DeepSeek-R1 满血版支持, 前往体验 >

1 like的使用,like是用占位符 有类似的_, % 来模糊匹配。
– 模糊匹配
– 格式: 字段名 like “匹配规则”;
– 匹配内容 %
“龙” 值为龙
“%龙” 值以”龙”结尾
“龙%” 值以”龙”开头
“%龙%” 值包含”龙”
– 匹配个数 “__” 占两个位置
2 round 使用 round(- ,-)第二个参数可以调整保留几位小数。
3使用降序desc或者升序asc 使用order by +desc || asc.
4 group by是将相同的匹配的结构放在一起归类。
5 注意:
where和having区别:
1.where 是对分组前的数据进行过滤 ;having 是对分组后的数据进行过滤
2.where后面不能使用聚合函数,having可以
例如:
#2.根据cno分组,分组统计每组商品的总数量,并且总数量> 200;
select cno,sum(pnum) as num where num>200 from products group by cno; (这是通不过的)
select cno,sum(pnum) as num from products group by cno having num>200; (这个是可以的)

内容概要:该研究通过在黑龙江省某示范村进行24小时实地测试,比较了燃煤炉具与自动/手动进料生物质炉具的污染物排放特征。结果显示,生物质炉具相比燃煤炉具显著降低了PM2.5、CO和SO2的排放(自动进料分别降低41.2%、54.3%、40.0%;手动进料降低35.3%、22.1%、20.0%),但NOx排放未降低甚至有所增加。研究还发现,经济性和便利性是影响生物质炉具推广的重要因素。该研究不仅提供了实际排放数据支持,还通过Python代码详细复现了排放特征比较、减排效果计算和结果可视化,进一步探讨了燃料性质、动态排放特征、碳平衡计算以及政策建议。 适合人群:从事环境科学研究的学者、政府环保部门工作人员、能源政策制定者、关注农村能源转型的社会人士。 使用场景及目标:①评估生物质炉具在农村地区的推广潜力;②为政策制定者提供科学依据,优化补贴政策;③帮助研究人员深入了解生物质炉具的排放特征和技术改进方向;④为企业研发更高效的生物质炉具提供参考。 其他说明:该研究通过大量数据分析和模拟,揭示了生物质炉具在实际应用中的优点和挑战,特别是NOx排放增加的问题。研究还提出了多项具体的技术改进方向和政策建议,如优化进料方式、提高热效率、建设本地颗粒厂等,为生物质炉具的广泛推广提供了可行路径。此外,研究还开发了一个智能政策建议生成系统,可以根据不同地区的特征定制化生成政策建议,为农村能源转型提供了有力支持。
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值