15445 lecture#2 Intermediate SQL

全国各城市POI数据2012年-2023-最新整理zip 全国各城市POI数据2012年-2023-最新整理zip 新增2024全国POI矢量数据 数据时间2024年5月 shp格式 36万个数据 数据来源OpenStreetMap 一、全国范围2012、2014、2016、2018、2020、2022年和2023年常用POI数据集 数据是全国范围2012、2014、2016、2018、2020、2022年、2023年常用POI数据集,主要包括:包括餐饮、风景名胜、公共设施、公司企业、停车场、收费站、厕所、服务器等等。 【资源信息】 中文名称: 全国范围POI数据集 显示时间: 2012、2014、2016、2018、2020、2022、2023年 数据来源: 高德地图、百度地图、网络搜集等 数据格式:矢量点数据(shp) 数据坐标:WGS_1984 二、全国各城市POI兴趣点数据 数据年份:2012-2023年 数据范围:每年样本量6000w-9000w POI类别:150+POI兴趣点类别 原始来源:2012-2017年来源于百度,2018-2022来源于高德 数据指标:POI名称,经度,纬度,省份,城市,区域(各年指标有所差别) 立即下载

(本来在想,Intermediate指啥,貌似应该是和advanced相对,中级的意思

1Relational Languages
Edgar Codd published a major paper on relational models in the early 1970s. Originally, he only defined the mathematical notation for how a DBMS could execute queries on a relational model DBMS.
The user only needs to specify the result that they want using a declarative language (i.e., SQL). The DBMS is responsible for determining the most efficient plan to produce that answer.
Relational algebra is based on sets (unordered, no duplicates). SQL is based on bags (unordered, allows duplicates).

SQL的来历

SQL只需要用户指定自己需要什么,DBMS去决定如何高效执行

关系代数基于集合(无序,不重复。那为什么之前slides里有重复,应该是slides出错了)

SQL基于bag(无序,允许重复)

2 SQL History
Declarative query lanaguage for relational databases. It was originally developed in the 1970s as part of the IBM System R project. IBM originally called it “SEQUEL” (Structured English Query Language). The
name changed in the 1980s to just “SQL” (Structured Query Language).
The language is comprised of different classes of commands:
1. Data Manipulation Language (DML): SELECT, INSERT, UPDATE, and DELETE statements.
2. Data Definition Language (DDL): Schema definitions for tables, indexes, views, and other objects.
3. Data Control Language (DCL): Security, access controls.
SQL is not a dead language. It is being updated with new features every couple of years. SQL-92 is the
minimum that a DBMS has to support to claim they support SQL. Each vendor follows the standard to a
certain degree but there are many proprietary extensions.

3 Aggregates
An aggregation function takes in a bag of tuples as its input and then produces a single scalar value as its output. Aggregate functions can only be used in SELECT output list.

aggregation的输入是一系列tuple,输出是一个统计值

仅能用于?

Example: Get # of students with a ‘@cs’ login. The following three queries are equivalent:
SELECT COUNT(*) FROM student WHERE login LIKE '%@cs';
SELECT COUNT(login) FROM student WHERE login LIKE '%@cs';
SELECT COUNT(1) FROM student WHERE login LIKE '%@cs';

Can use multiple aggregates within a single SELECT statement:

SELECT AVG(gpa), COUNT(sid)
FROM student WHERE login LIKE '%@cs';

Some aggregate functions support the DISTINCT keyword:
SELECT COUNT(DISTINCT login)
FROM student WHERE login LIKE '%@cs';

去重,有多少个不同的login

Output of other columns outside of an aggregate is undefined (e.cid is undefined below)
SELECT AVG(s.gpa), e.cid
FROM enrolled AS e, student AS s
WHERE e.sid = s.sid;

混用是undefined behavior

如上所说,直接混用是undefined,但是这里用了group by,所以每一组都是一样的cid,就没有问题

where和having的区别:

前者发生在聚集之前,后者发生在聚集之后;前者是对tuple进行filter,后者是对group进行filter

4 String Operations
The SQL standard says that strings are case sensitive and single-quotes only. There are functions to ma-nipulate strings that can be used in any part of a query.
Pattern Matching: The LIKE keyword is used for string matching in predicates.
• “%” matches any substrings (including empty).
• “_ ” matches any one character.
Concatenation: Two vertical bars (“||”) will concatenate two or more strings together into a single string.

SQL标准里字符串是大小写敏感的,并且只使用单引号

用来操作字符串的函数:

模式匹配:%匹配任何字符串,_匹配任何单个字符(是这样的?)

连接函数:||(是这样?)

sql查询的输出,除了可以打印在命令行,还可以转存到其他表

如上述第一个是将所有课程编号保存到一个课程编号表(新创建的)

还可以存进已有的表,输出的relation和已有表的attr数量和类型要一致,但是名字不用相同(??)

可以用order by对输出结果进行排序

可以指定多个排序的依据,如果第一个排序依据相同,就使用第二个 break tie

order by里也可以使用各种表达式

limit限制输出行数

感觉如果没有order by,offset是不是就没有意义?不是乱序的吗,你怎么知道跳过哪些呢

Unless you use an ORDER BY clause with a LIMIT, the DBMS could produce different tuples in the result on
each invocation of the query because the relational model does not impose an ordering.

这是不是对上面的补充?

7 Nested Queries
Invoke queries inside of other queries to execute more complex logic within a single query. The scope of outer query is included in inner query (i.e. inner query can access attributes from outer query), but not the other way around.

子查询,能够访问外部query的数据,外部不能访问内部的

Note that sid has different scope depending on where it appears in the query.

上面是为了说明子查询可以出现在select后面,from后面,where后面

但是除了第三个,前两个在干嘛?

https://stackoverflow.com/a/10379739/9045233

看了下这个,大概明白了exists的作用:

比如对于

SELECT *
  FROM suppliers
 WHERE EXISTS (select *
                 from orders
                where suppliers.supplier_id = orders.supplier_id);

他是针对supplier的每一行,判断order中存不存在一个supplier_id和外面那一行的supplier_id相同,如果有,那么就输出supplier的那一行

看了下这个链接:

https://learnsql.com/blog/sql-window-functions-examples/

window function和aggregation的区别主要在于,后者是对一组tuple算出一个统计值,而前者是为每个tuple算出一个值,比如行号,比如排名

另外按上面的提示,RANK是在排序之后进行的,说明确实可以用来计算排名,但是行号是在排序之前进行的,那行号的意义是什么呢?

看了下这个对比:

https://saveenr.gitbooks.io/usql-tutorial/content/window-functions/row-number-rank-dense-rank.html

在一个排序结果中,如果a=10,b=8,c=8,那么row_number就是1,2,3

而rank则是1,1,3;也就是说rank中,如果值相同,那么rank相同,而row_number则仅看他们排序之后实际的行数

https://learnsql.com/blog/difference-between-sql-cte-and-view/

CTE其实和view很像,都相当于创建了一个临时表,有一些细微的差别:

如:

Although there are some differences between them, common table expressions and views seem to perform very similarly. So, when should you use each one?

  • Ad-hoc queries. For queries that are referenced occasionally (or just once), it’s usually better to use a CTE. If you need the query again, you can just copy the CTE and modify it if necessary.
  • Frequently used queries. If you tend to reference the same query often, creating a corresponding view is a good idea. However, you’ll need create view permission in your database to create a view.
  • Access management. A view might be used to restrict particular users’ database access while still allowing them to get the information they need. You can give users access to specific views that query the data they’re allowed to see without exposing the whole database. In such a case, a view provides an additional access layer.

另外,view创建之后,在之后的query里,仍然可以引用,但是CTE需要在每次query里都执行这个

智慧交通治理AI大模型多场景协同决策与自适应设计方案.pptx 立即下载

相关推荐

双闭环PWM整流器VOC控制 +SVPWM调制仿真(Simulink仿真实现)

内容概要:本文围绕城市空中交通环境下多无人机协同路径规划问题展开深入研究,重点探讨了在包含建筑物、禁飞区、动态威胁等复杂约束条件下,如何利用仿生优化算法(如布谷鲶鱼优化算法CCO、灰雁优化算法GGO、田忌赛马优化算法THRO)实现安全、高效的多无人机路径规划。文章提出了一种分层规划策略,融合全局路径规划与局部动态避障机制,构建了综合考虑路径长度、威胁暴露度、高度变化及地形碰撞风险的多目标优化模型。通过Matlab仿真平台对多种算法进行对比实验,系统评估了各算法在路径安全性、收敛速度、优化性能和鲁棒性方面的表现,并深入分析了现有方法的局限性,对未来研究方向如动态环境适应、通信受限下的分布式协同等进行了展望。; 适合人群:具备一定编程基础,熟悉Matlab/Simulink仿真环境,从事无人机系统设计、智能交通、自动化控制、路径规划算法研究等相关领域的科研人员及高校研究生。; 使用场景及目标:①应用于城市空中交通系统中多无人机的协同任务执行与动态避障;②为复杂威胁环境下多智能体系统的路径规划提供先进算法支持与仿真验证框架;③辅助研究人员深入理解并复现仿生优化算法在高维、多约束路径规划问题中的具体实现与性能差异。; 阅读建议:此资源以Matlab代码实现为核心,紧密结合理论建模与仿真实验,建议读者在学习过程中重点关注算法的设计原理、参数调优策略及仿真结果的可视化分析,结合文中提供的实验数据进行横向对比,以深刻把握不同仿生算法的搜索机制、适用场景及其在实际工程应用中的潜力与挑战。

数据库理论 03 intermediateSQL——基于《数据库系统概念》第七版

create view v [(< 列名 1 > , < 列名 2 > , …) ] as < 查询表达式 > [ with check option ];有别于with子句 为SQL表达式v表示视图名字视图的定义有别于通过查询表达式创建一个新关系视图导致表达式被吃醋呢,使用这个视图查询过程的表达式会被带入使用# 使用视图 select name from faculty # 视图 where dept_name = 'biology';还可以利用视图创造视图。

JamSlade的博客 2381

仿真+课设Multisim直流可调稳压电源(0-15V)仿真设计基于LM317+LM337【仿真+课程报告】

内容概要:本文详细介绍了一种基于LM317(正压调节)和LM337(负压调节)芯片的Multisim直流可调稳压电源仿真设计方案,输出电压范围为0-15V,具备完整的电路仿真模型与课程设计报告。设计涵盖线性稳压电源的核心原理,包括电压调节机制、元件参数配置、双极性电源构建及仿真测试流程,突出理论与实践结合。文档还附带丰富的扩展资源,如三相PWM整流器、函数信号发生器等仿真项目,并提供百度网盘链接用于获取全套资料,适用于电子类课程设计与自主学习。整体内容系统性强,注重仿真操作指导与工程实践能力培养。; 适合人群:电子信息工程、自动化、电气工程及其相关专业的本科生、专科生,以及正在进行模拟电子技术课程设计或毕业设计的学生。; 使用场景及目标:①深入理解线性稳压电源的工作原理与设计方法;②掌握Multisim软件在电路仿真中的实际应用;③完成基于LM317/LM337的可调稳压电源课程设计任务;④提升模拟电路系统的设计、仿真与分析综合能力; 阅读建议:建议结合Multisim软件同步实践,按照文档电路图逐步搭建仿真模型,重点关注电压调节电路的实现细节与参数设置,并参考所提供的其他仿真资源拓展知识广度,强化工程思维训练。

Intermediate-SQL

SQL-DataCamp-Intermediate SQL 1. We’ll take the CASE 1.1 We’l take the CASE 1.2 Basic CASE statements 1.3 CASE statements comparing column values 1. 4 CASE statements comparing two column values part ...

agoldminer的博客 1万+

阻尼器磁流变阻尼器MR Damper非线性(阻尼、滞回)特性研究(Matlab代码实现)

内容概要:本文围绕磁流变阻尼器(MR Damper)的非线性特性开展深入研究,重点剖析其在动态载荷作用下的阻尼力响应与滞回行为所表现出的强非线性特征,并基于Matlab平台进行系统建模与数值仿真。通过建立能够准确描述MR阻尼器非线性力学行为的数学模型,模拟其在不同激励条件、电流强度和运动频率下的动态响应过程,进而对系统的非线性特性进行定性与定量分析。研究涵盖了模型构建、参数设定、仿真执行与结果可视化等全过程,突出了Matlab在处理复杂非线性系统仿真中的强大功能与工程实用性,为智能材料器件在振动控制领域的应用提供了坚实的理论支撑与技术路径。; 适合人群:具备一定控制理论、机械动力学或智能材料基础知识,熟悉Matlab编程环境的研究生、科研人员及从事振动控制、结构工程等相关领域的工程技术人员。; 使用场景及目标:①用于智能材料与结构领域的科研与教学,帮助深入理解磁流变阻尼器的工作机理与非线性动力学特性;②为车辆半主动悬架系统、建筑结构抗震减震、桥梁风振抑制等实际工程中的振动控制系统设计、仿真验证与参数优化提供技术支持;③作为非线性系统建模、动力学仿真与Matlab编程实践的经典案例,有效提升使用者的系统分析能力和工程软件应用水平。; 阅读建议:建议读者结合文中提供的Matlab代码进行动手实践,通过调整模型参数(如电流、激励幅值与频率)观察系统响应的变化规律,深入探究非线性特性的形成原因与影响因素,并可尝试将该建模方法迁移至其他智能阻尼器件(如压电、电流变阻尼器)的研究中,以拓展应用视野。

全桥LLC谐振(变频+移相混合控制)变换器闭环仿真模型(Simulink仿真实现)

内容概要:本文档详细介绍了一种基于Simulink实现的全桥LLC谐振变换器闭环仿真模型,采用变频与移相混合控制策略,重点研究系统的动态响应、稳态性能及高效软开关特性。内容涵盖系统建模、PI控制器设计、闭环反馈机制构建以及谐振参数的优化配置,全面展示了从理论分析到仿真验证的全过程。通过在不同输入电压与负载条件下进行仿真测试,验证了该模型在提升转换效率、实现零电压开通(ZVS)和精确调控输出电压方面的优越性能。同时,配套提供参数设计报告、仿真说明文档及参考文献,有助于深入理解与复现实验结果。; 适合人群:具备电力电子与电力系统基础知识,熟悉Simulink/Matlab仿真环境,从事高频DC-DC变换器、新能源电源、车载充电机或相关领域研发工作的工程师及高校研究生。; 使用场景及目标:① 掌握全桥LLC谐振变换器的建模方法与闭环控制系统设计流程;② 深入理解变频+移相混合控制在高效率电源变换中的协同作用机制;③ 用于科研项目复现、教学案例演示或工业级电源产品的前期仿真预研;④ 为实际硬件原型开发提供可靠的理论支撑与关键参数设计依据。; 阅读建议:建议结合所提供的仿真文件与设计报告同步操作,重点关注控制环路搭建、谐振腔参数选取及其对系统性能的影响,推荐通过调整负载与输入条件进行多工况仿真分析,有条件者可进一步推进至样机实验验证。

sql 基础(primary and intermediate)

database system conceptsCH3 SQL 由于书中对知识点的阐述十分完备,在此仅写提纲式笔记,达到梳理、备忘的目的。 CH3 SQL basic type char(n) \ varchar(n) //n is max_len int \ smallint numeric(p,d) //precision(有效数字), digit(小数的位数) real \ ...

Tonq_csdn 1459

【顶级EI复现】新扩展移相角下的双有源桥DC-DC 变换器优化控制策略(Simulink仿真实现)

内容概要:本文聚焦于“新扩展移相角下的双有源桥DC-DC变换器优化控制策略”,在Simulink环境中实现高性能闭环控制仿真。通过引入改进型扩展移相调制(EPS)策略,结合KKT最优性条件与分段解析优化方法,系统实现了软开关(ZVS/ZCS)的精确控制,有效降低了功率器件的电压电流应力,提升了变换器在高频、高压隔离场景下的转换效率与动态响应能力。文档详细阐述了控制逻辑的设计原理与参数整定方法,并提供完整的Matlab/Simulink仿真模型与代码,确保研究成果可复现、可拓展,已通过顶级EI期刊标准验证,具备高精度、强鲁棒性的工程应用价值。; 适合人群:电力电子、电气工程及其自动化等相关专业的研究生、高校科研人员,以及从事新能源发电、电动汽车、微电网、储能系统等领域的技术研发工程师;尤其适用于需复现高水平论文成果的研究者。; 使用场景及目标:①深入理解双有源桥(DAB)变换器的工作机理与先进移相控制策略;②掌握基于Simulink的电力电子系统建模、仿真与优化技术;③复现并验证EI级期刊论文中的控制算法,支撑学术论文撰写、课题申报或实际工程原型开发。; 阅读建议:建议读者结合“改进型EPS调制”“软开关实现条件”“最小应力优化目标”等核心技术要点,利用所提供的仿真模型进行分模块调试与参数扫描分析,深入探究控制环路设计逻辑与系统稳定性边界,同时可参考荔枝科研社资源目录获取同类案例以拓宽研究思路和技术视野。

DataCamp课程:Intermediate SQL Server

Intermediate SQL Server 1. Summarizing Data </> Creating aggregations Write a T-SQL query which will return the average, minimum, and maximum values of the DurationSeconds column. SELECT AVG(DurationSeconds) AS Average, MIN(DurationSeconds) A

Daisy的博客 2870

(Multisim课设资料)最全面函数信号发生器(三角波+正弦波+方波信号+锯齿波仿真设计+报告文档

内容概要:本文档是一份关于“(Multisim课设资料)最全面函数信号发生器”的综合性学习资源,系统介绍了三角波、正弦波、方波和锯齿波四种基本信号的Multisim仿真设计与实现方法。资源包含完整的电路设计方案、仿真操作流程及课程设计报告模板,详细阐述了各波形的生成原理、核心元器件选型依据、关键参数调节策略以及仿真结果验证过程。通过模块化电路搭建,帮助学习者掌握波形转换机制与模拟电路集成技术,涵盖从理论分析到实践操作的完整链条。此外,文档还整合了直流稳压电源、滤波器设计等相关电子系统仿真案例,形成配套丰富的课设支持体系,适用于电子类课程设计与工程实训参考。; 适合人群:电子信息工程、自动化、电气工程及其相关专业的本科学生及初级学习者,具备电路基础理论和Multisim软件基本操作能力的人员;特别适用于正在开展模拟电子技术课程设计、毕业设计或课外实践项目的使用者。; 使用场景及目标:①深入理解函数信号发生器中四种典型波形的产生机理与电路拓扑结构;②熟练掌握Multisim平台下的电路建模、仿真调试与数据分析技能;③完成高质量课程设计报告撰写,提升综合实践能力;④为后续电子系统设计与信号处理课程打下坚实基础。; 阅读建议:建议结合文档中的电路图与仿真步骤循序渐进地动手实践,重点关注不同波形间的转换关系与元件参数对输出特性的影响,同时参照所提供的报告范本规范实验记录与成果输出,强化理论与实践的深度融合。

【全局灵敏性】【蒙特卡洛敏感性指数估计和多精度策略】基于方差的全局敏感性分析(Matlab代码实现)

内容概要:本文围绕“面向城市空中交通的多无人机路径规划研究”展开,系统阐述了多无人机在复杂城市环境中进行高效、安全路径规划的理论与方法。研究首先明确了问题定义、约束条件与性能指标,提出了一套融合改进RRT算法与图论方法的全局路径规划框架,并结合动态风险场与模型预测控制(MPC)及动态窗口法(DWA)实现动态避障。为进一步提升多机协同能力,引入了基于分布式协同控制的局部冲突消解机制,确保多无人机在密集环境中的安全飞行与任务完成。通过多场景仿真实验验证了所提方法的有效性、鲁棒性与可扩展性,充分展示了其在城市物流、应急救援与智慧巡检等实际应用中的巨大潜力; 适合人群:具备一定编程基础与控制理论知识,从事无人机系统、智能交通、自动化控制、人工智能或相关领域的研究生、科研人员及工程技术开发者; 使用场景及目标:①应用于城市空中交通管理、多无人机协同配送、灾害应急响应、智能安防巡查等复杂动态环境下的任务场景;②目标在于实现高密度城市空间中无人机的安全避障、高效路径生成、多机协同调度与实时动态调整,推动城市低空智能化交通系统的构建与发展; 阅读建议:建议结合文中提供的Matlab代码进行仿真实践,深入理解算法实现细节与关键参数调优策略,同时配合相关文献拓展对路径规划、协同控制与智能决策理论的认知,以全面提升科研与工程应用能力。

5道较难的数据库查询习题(Intermediate SQL)

http://blog.csdn.net/cygeek_dut/article/details/13090743

菩提本无树 明镜亦非台 本来无一物 何处惹尘埃 661

大模型智能体LLM急速入门

大模型智能体LLM急速入门

【Intermediate SQL-1 】五道较难的sql练习_大连理工软院数据库上机答案

破题累死我了,网上另外一份答案写的也不错(链接:http://blog.csdn.net/cygeek_dut/article/details/13090743),但是有的地方显然写的麻烦了,而且对于第五个问那份答案好像理解错了题意,我仔细研究了下,写了份原创的,如果改一下缩进和变量名什么的,应该比网上这份仁兄的答案短一点。 我还真头一次知道sql原来可以写的这么跳,写的如此花哨。。简直

邂逅黛玛姑娘 4147

幸狐RV1106开发板实战:5分钟搞定Yolo8模型部署(附避坑指南)

本文详细介绍了在幸狐RV1106开发板上快速部署YOLOv8模型的实战流程。通过RKNN-Toolkit2工具链,将ONNX模型转换为RV1106 NPU专用的RKNN格式,并完成交叉编译与上板运行。文章重点分享了环境搭建、模型转换的关键步骤以及常见的避坑指南,帮助开发者高效实现边缘AI目标检测应用。

weixin_28677451的博客 912

TexGen模型导出到ABAQUS的inp文件:如何快速修改纱线材料属性(避坑指南)

本文针对TexGen模型导出到ABAQUS的inp文件后纱线材料属性缺失或错误的问题,提供了高效的解决方案。文章详细解析了inp文件结构,指导用户如何手动定位并修改纱线材料属性,并提供了可批量处理的Python脚本,帮助用户快速、精准地完成材料参数赋值,有效提升复合材料仿真工作效率。

ice55的博客 602

3-Intermediate-SQL-Server

1 Summarising Data Data analysis with aggregations Creating aggregations Creating grouped aggregations Dealing with missing data Removing missing values Imputing missing values (I) Imputing missing values (II) Binning data with CASE Using CASE statements C

agoldminer的博客 1211

Django Cookie/Session

Cookie是一种小型的文本文件,通常由Web服务器发送到用户浏览器,并存储在用户的本地计算机上。当用户再次访问该网站时,浏览器会将Cookie发送回服务器,从而实现用户身份验证、个性化设置等功能。Session是一种在服务器端存储用户会话信息的方式。与Cookie不同,Session数据存储在服务器上,而不是客户端。Django框架通过在客户端存储一个Session ID来实现Session的跟踪。Django框架的Cookie/Session机制为开发者提供了方便的数据存储和会话管理功能。

froginwe11的博客 467
上一篇: 15-445 lecture#1 Relational Model & Relational Algebrae
下一篇: 15445 lecture#3 Database Storage 1
RedemptionC
博客等级 码龄11年 103粉丝 84原创
评论 1
成就一亿技术人!
拼手气红包6.0元
还能输入1000个字符
 
 条评论被折叠 查看
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付:10.00元
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
实付元
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