常用SQL语句(基础)

数据库系统概论习题册 什么是数据库? 答: 数据库是长期存储在计算机内、有组织的、可共享的数据集合。数据库是按某种数据模型进行组织的、存放在外存储器上,且可被多个用户同时使用。因此,数据库具有较小的冗余度,较高的数据独立性和易扩展性。什么是数据库的数据独立性? 答: 数据独立性表示应用程序与数据库中存储的数据不存在依赖关系,包括逻辑数据独立性和物理数据独立性。逻辑数据独立性是指局部逻辑数据结构(外视图即用户的逻辑文件)与全局逻辑数据结构(概念视图)之间的独立性。当数据库的全局逻辑数据结构(概念视图)发生变化(数据定义的修改、数据 阅读详情
Student(S#,Sname,Sage,Ssex) 学生表 
Course(C#,Cname,T#) 课程表 
SC(S#,C#,score) 成绩表 
Teacher(T#,Tname) 教师表 

问题: 
1、查询“001”课程比“002”课程成绩高的所有学生的学号; 
Java代码  收藏代码
  1. select a.S# from (select s#,score from SC where C#='001') a,(select s#,score   
  2.   from SC where C#='002') b   
  3.   where a.score>b.score and a.s#=b.s#;   


2、查询平均成绩大于60分的同学的学号和平均成绩; 
Java代码  收藏代码
  1. select S#,avg(score)   
  2.     from sc   
  3.     group by S# having avg(score) >60;   

    
3、查询所有同学的学号、姓名、选课数、总成绩; 
 
Java代码  收藏代码
  1. select Student.S#,Student.Sname,count(SC.C#),sum(score)   
  2.   from Student left Outer join SC on Student.S#=SC.S#   
  3.   group by Student.S#,Sname   


4、查询姓“李”的老师的个数; 
 
Java代码  收藏代码
  1. select count(distinct(Tname))   
  2.   from Teacher   
  3.   where Tname like '李%';   


5、查询没学过“叶平”老师课的同学的学号、姓名; 
   
Java代码  收藏代码
  1. select Student.S#,Student.Sname   
  2.     from Student    
  3.     where S# not in (select distinct( SC.S#) from SC,Course,Teacher where  SC.C#=Course.C# and Teacher.T#=Course.T# and Teacher.Tname='叶平');   


6、查询学过“001”并且也学过编号“002”课程的同学的学号、姓名; 
 
Java代码  收藏代码
  1. select Student.S#,Student.Sname from Student,SC where Student.S#=SC.S# and SC.C#='001'and exists( Select * from SC as SC_2 where SC_2.S#=SC.S# and SC_2.C#='002');   


7、查询学过“叶平”老师所教的所有课的同学的学号、姓名; 
 
Java代码  收藏代码
  1. select S#,Sname   
  2.   from Student   
  3.   where S# in (select S# from SC ,Course ,Teacher where SC.C#=Course.C# and Teacher.T#=Course.T# and Teacher.Tname='叶平' group by S# having count(SC.C#)=(select count(C#) from Course,Teacher  where Teacher.T#=Course.T# and Tname='叶平'));   


8、查询课程编号“002”的成绩比课程编号“001”课程低的所有同学的学号、姓名; 
 
Java代码  收藏代码
  1. Select S#,Sname from (select Student.S#,Student.Sname,score ,(select score from SC SC_2 where SC_2.S#=Student.S# and SC_2.C#='002') score2   
  2.   from Student,SC where Student.S#=SC.S# and C#='001') S_2 where score2 <score;   


9、查询所有课程成绩小于60分的同学的学号、姓名; 
 
Java代码  收藏代码
  1. select S#,Sname   
  2.   from Student   
  3.   where S# not in (select Student.S# from Student,SC where S.S#=SC.S# and score>60);   


10、查询没有学全所有课的同学的学号、姓名; 
   
Java代码  收藏代码
  1. select Student.S#,Student.Sname   
  2.     from Student,SC   
  3.     where Student.S#=SC.S# group by  Student.S#,Student.Sname having count(C#) <(select count(C#) from Course);   

    
11、查询至少有一门课与学号为“1001”的同学所学相同的同学的学号和姓名; 
   
Java代码  收藏代码
  1. select S#,Sname from Student,SC where Student.S#=SC.S# and C# in select C# from SC where S#='1001';   

    
12、查询至少学过学号为“001”同学所有一门课的其他同学学号和姓名; 
   
Java代码  收藏代码
  1. select distinct SC.S#,Sname   
  2.     from Student,SC   
  3.     where Student.S#=SC.S# and C# in (select C# from SC where S#='001');   

    
13、把“SC”表中“叶平”老师教的课的成绩都更改为此课程的平均成绩; 
   
Java代码  收藏代码
  1. update SC set score=(select avg(SC_2.score)   
  2.     from SC SC_2   
  3.     where SC_2.C#=SC.C# ) from Course,Teacher where Course.C#=SC.C# and Course.T#=Teacher.T# and Teacher.Tname='叶平');   

    
14、查询和“1002”号的同学学习的课程完全相同的其他同学学号和姓名; 
   
Java代码  收藏代码
  1. select S# from SC where C# in (select C# from SC where S#='1002')   
  2.     group by S# having count(*)=(select count(*) from SC where S#='1002');   

    
15、删除学习“叶平”老师课的SC表记录; 
   
Java代码  收藏代码
  1. Delect SC   
  2.     from course ,Teacher    
  3.     where Course.C#=SC.C# and Course.T#= Teacher.T# and Tname='叶平';   

    
16、向SC表中插入一些记录,这些记录要求符合以下条件:没有上过编号“003”课程的同学学号、2、 
    号课的平均成绩; 
   
Java代码  收藏代码
  1. Insert SC select S#,'002',(Select avg(score)   
  2.     from SC where C#='002') from Student where S# not in (Select S# from SC where C#='002');   

    
17、按平均成绩从高到低显示所有学生的“数据库”、“企业管理”、“英语”三门的课程成绩,按如下形式显示: 学生ID,,数据库,企业管理,英语,有效课程数,有效平均分 
   
Java代码  收藏代码
  1. SELECT S# as 学生ID   
  2.         ,(SELECT score FROM SC WHERE SC.S#=t.S# AND C#='004') AS 数据库   
  3.         ,(SELECT score FROM SC WHERE SC.S#=t.S# AND C#='001') AS 企业管理   
  4.         ,(SELECT score FROM SC WHERE SC.S#=t.S# AND C#='006') AS 英语   
  5.         ,COUNT(*) AS 有效课程数, AVG(t.score) AS 平均成绩   
  6.     FROM SC AS t   
  7.     GROUP BY S#   
  8.     ORDER BY avg(t.score)    

    
18、查询各科成绩最高和最低的分:以如下形式显示:课程ID,最高分,最低分 
   
Java代码  收藏代码
  1. SELECT L.C# As 课程ID,L.score AS 最高分,R.score AS 最低分   
  2.     FROM SC L ,SC AS R   
  3.     WHERE L.C# = R.C# and   
  4.         L.score = (SELECT MAX(IL.score)   
  5.                       FROM SC AS IL,Student AS IM   
  6.                       WHERE L.C# = IL.C# and IM.S#=IL.S#   
  7.                       GROUP BY IL.C#)   
  8.         AND   
  9.         R.Score = (SELECT MIN(IR.score)   
  10.                       FROM SC AS IR   
  11.                       WHERE R.C# = IR.C#   
  12.                   GROUP BY IR.C#   
  13.                     );   

    
19、按各科平均成绩从低到高和及格率的百分数从高到低顺序 
   
Java代码  收藏代码
  1. SELECT t.C# AS 课程号,max(course.Cname)AS 课程名,isnull(AVG(score),0) AS 平均成绩   
  2.         ,100 * SUM(CASE WHEN  isnull(score,0)>=60 THEN 1 ELSE 0 END)/COUNT(*) AS 及格百分数   
  3.     FROM SC T,Course   
  4.     where t.C#=course.C#   
  5.     GROUP BY t.C#   
  6.     ORDER BY 100 * SUM(CASE WHEN  isnull(score,0)>=60 THEN 1 ELSE 0 END)/COUNT(*) DESC   

    
20、查询如下课程平均成绩和及格率的百分数(用"1行"显示): 企业管理(001),高数(002),OO&UML (003),数据库(004) ps:MKS被河蟹,改高数 
   
Java代码  收藏代码
  1. SELECT   
  2. SUM(CASE WHEN C# ='001' THEN score ELSE 0 END)/SUM(CASE C# WHEN '001' THEN 1 ELSE 0 END) AS 企业管理平均分 ,  
  3. 100 * SUM(CASE WHEN C# = '001' AND score >= 60 THEN 1 ELSE 0 END)/SUM(CASE WHEN C# = '001' THEN 1 ELSE 0 END) AS 企业管理及格百分数,  
  4. SUM(CASE WHEN C# = '002' THEN score ELSE 0 END)/SUM(CASE C# WHEN '002' THEN 1 ELSE 0 END) AS 高数平均分,  
  5. 100 * SUM(CASE WHEN C# = '002' AND score >= 60 THEN 1 ELSE 0 END)/SUM(CASE WHEN C# = '002' THEN 1 ELSE 0 END) AS 高数及格百分数,  
  6. SUM(CASE WHEN C# = '003' THEN score ELSE 0 END)/SUM(CASE C# WHEN '003' THEN 1 ELSE 0 END) AS UML平均分,  
  7. 100 * SUM(CASE WHEN C# = '003' AND score >= 60 THEN 1 ELSE 0 END)/SUM(CASE WHEN C# = '003' THEN 1 ELSE 0 END) AS UML及格百分数,  
  8. SUM(CASE WHEN C# = '004' THEN score ELSE 0 END)/SUM(CASE C# WHEN '004' THEN 1 ELSE 0 END) AS 数据库平均分,  
  9. 100 * SUM(CASE WHEN C# = '004' AND score >= 60 THEN 1 ELSE 0 END)/SUM(CASE WHEN C# = '004' THEN 1 ELSE 0 END) AS 数据库及格百分数   
  10.   FROM SC   

    
21、查询不同老师所教不同课程平均分从高到低显示 
 
Java代码  收藏代码
  1. SELECT max(Z.T#) AS 教师ID,MAX(Z.Tname) AS 教师姓名,C.C# AS 课程ID,MAX(C.Cname) AS 课程名称,AVG(Score) AS 平均成绩   
  2.     FROM SC AS T,Course AS C ,Teacher AS Z   
  3.     where T.C#=C.C# and C.T#=Z.T#   
  4.   GROUP BY C.C#   
  5.   ORDER BY AVG(Score) DESC   

    
22、查询如下课程成绩第 3 名到第 6 名的学生成绩单:企业管理(001),高数(002),UML (003),数据库(004) 
    [学生ID],[学生姓名],企业管理,高数,UML,数据库,平均成绩 
  
Java代码  收藏代码
  1. SELECT  DISTINCT top 3   
  2.      SC.S# As 学生学号,   
  3.        Student.Sname AS 学生姓名 ,   
  4.      T1.score AS 企业管理,   
  5.      T2.score AS 高数,   
  6.      T3.score AS UML,   
  7.      T4.score AS 数据库,   
  8.      ISNULL(T1.score,0) + ISNULL(T2.score,0) + ISNULL(T3.score,0) + ISNULL(T4.score,0) as 总分   
  9.      FROM Student,SC  LEFT JOIN SC AS T1   
  10.                      ON SC.S# = T1.S# AND T1.C# = '001'   
  11.            LEFT JOIN SC AS T2   
  12.                      ON SC.S# = T2.S# AND T2.C# = '002'   
  13.            LEFT JOIN SC AS T3   
  14.                      ON SC.S# = T3.S# AND T3.C# = '003'   
  15.            LEFT JOIN SC AS T4   
  16.                      ON SC.S# = T4.S# AND T4.C# = '004'   
  17.      WHERE student.S#=SC.S# and   
  18.      ISNULL(T1.score,0) + ISNULL(T2.score,0) + ISNULL(T3.score,0) + ISNULL(T4.score,0)   
  19.      NOT IN   
  20.      (SELECT   
  21.            DISTINCT   
  22.            TOP 15 WITH TIES   
  23.            ISNULL(T1.score,0) + ISNULL(T2.score,0) + ISNULL(T3.score,0) + ISNULL(T4.score,0)   
  24.      FROM sc   
  25.            LEFT JOIN sc AS T1   
  26.                      ON sc.S# = T1.S# AND T1.C# = 'k1'   
  27.            LEFT JOIN sc AS T2   
  28.                      ON sc.S# = T2.S# AND T2.C# = 'k2'   
  29.            LEFT JOIN sc AS T3   
  30.                      ON sc.S# = T3.S# AND T3.C# = 'k3'   
  31.            LEFT JOIN sc AS T4   
  32.                      ON sc.S# = T4.S# AND T4.C# = 'k4'   
  33.      ORDER BY ISNULL(T1.score,0) + ISNULL(T2.score,0) + ISNULL(T3.score,0) + ISNULL(T4.score,0) DESC);   


23、统计列印各科成绩,各分数段人数:课程ID,课程名称,[100-85],[85-70],[70-60],[ <60] 
   
Java代码  收藏代码
  1. SELECT SC.C# as 课程ID, Cname as 课程名称   
  2.         ,SUM(CASE WHEN score BETWEEN 85 AND 100 THEN 1 ELSE 0 END) AS [100 - 85]   
  3.         ,SUM(CASE WHEN score BETWEEN 70 AND 85 THEN 1 ELSE 0 END) AS [85 - 70]   
  4.         ,SUM(CASE WHEN score BETWEEN 60 AND 70 THEN 1 ELSE 0 END) AS [70 - 60]   
  5.         ,SUM(CASE WHEN score < 60 THEN 1 ELSE 0 END) AS [60 -]   
  6.     FROM SC,Course   
  7.     where SC.C#=Course.C#   
  8.     GROUP BY SC.C#,Cname;   

    

24、查询学生平均成绩及其名次 
     
Java代码  收藏代码
  1. SELECT 1+(SELECT COUNT( distinct 平均成绩)   
  2.               FROM (SELECT S#,AVG(score) AS 平均成绩   
  3.                       FROM SC   
  4.                   GROUP BY S#   
  5.                   ) AS T1   
  6.             WHERE 平均成绩 > T2.平均成绩) as 名次,   
  7.       S# as 学生学号,平均成绩   
  8.     FROM (SELECT S#,AVG(score) 平均成绩   
  9.             FROM SC   
  10.         GROUP BY S#   
  11.         ) AS T2   
  12.     ORDER BY 平均成绩 desc;   

    
  
25、查询各科成绩前三名的记录:(不考虑成绩并列情况) 
     
Java代码  收藏代码
  1. SELECT t1.S# as 学生ID,t1.C# as 课程ID,Score as 分数   
  2.       FROM SC t1   
  3.       WHERE score IN (SELECT TOP 3 score   
  4.               FROM SC   
  5.               WHERE t1.C#= C#   
  6.             ORDER BY score DESC   
  7.               )   
  8.       ORDER BY t1.C#;   

    
26、查询每门课程被选修的学生数 
 
Java代码  收藏代码
  1. select c#,count(S#) from sc group by C#;   

    
27、查询出只选修了一门课程的全部学生的学号和姓名 
 
Java代码  收藏代码
  1. select SC.S#,Student.Sname,count(C#) AS 选课数   
  2.   from SC ,Student   
  3.   where SC.S#=Student.S# group by SC.S# ,Student.Sname having count(C#)=1;   

    
28、查询男生、女生人数 
   
Java代码  收藏代码
  1. Select count(Ssex) as 男生人数 from Student group by Ssex having Ssex='男';   
  2.     Select count(Ssex) as 女生人数 from Student group by Ssex having Ssex='女';  

     
29、查询姓“张”的学生名单 
   
Java代码  收藏代码
  1. SELECT Sname FROM Student WHERE Sname like '张%';   

    
30、查询同名同性学生名单,并统计同名人数 
 
Java代码  收藏代码
  1. select Sname,count(*) from Student group by Sname having    

    count(*)>1;; 
31、1981年出生的学生名单(注:Student表中Sage列的类型是datetime) 
   
Java代码  收藏代码
  1. select Sname,  CONVERT(char (11),DATEPART(year,Sage)) as age   
  2.     from student   
  3.     where  CONVERT(char(11),DATEPART(year,Sage))='1981';   

    
32、查询每门课程的平均成绩,结果按平均成绩升序排列,平均成绩相同时,按课程号降序排列 
  
Java代码  收藏代码
  1. Select C#,Avg(score) from SC group by C# order by Avg(score),C# DESC ;   

    
33、查询平均成绩大于85的所有学生的学号、姓名和平均成绩 
  
Java代码  收藏代码
  1. select Sname,SC.S# ,avg(score)   
  2.    from Student,SC   
  3.    where Student.S#=SC.S# group by SC.S#,Sname having    avg(score)>85;   

    
34、查询课程名称为“数据库”,且分数低于60的学生姓名和分数 
   
Java代码  收藏代码
  1. Select Sname,isnull(score,0)   
  2.     from Student,SC,Course   
  3.     where SC.S#=Student.S# and SC.C#=Course.C# and  Course.Cname='数据库'and score <60;   

    
35、查询所有学生的选课情况; 
   
Java代码  收藏代码
  1. SELECT SC.S#,SC.C#,Sname,Cname   
  2.     FROM SC,Student,Course   
  3.     where SC.S#=Student.S# and SC.C#=Course.C# ;   

    
36、查询任何一门课程成绩在70分以上的姓名、课程名称和分数; 
   
Java代码  收藏代码
  1. SELECT  distinct student.S#,student.Sname,SC.C#,SC.score   
  2.     FROM student,Sc   
  3.     WHERE SC.score>=70 AND SC.S#=student.S#;   

    
37、查询不及格的课程,并按课程号从大到小排列 
   
Java代码  收藏代码
  1. select c# from sc where scor e <60 order by C# ;   

38、查询课程编号为003且课程成绩在80分以上的学生的学号和姓名; 
   
Java代码  收藏代码
  1. select SC.S#,Student.Sname from SC,Student where SC.S#=Student.S# and Score>80 and C#='003';   

    
39、求选了课程的学生人数 
   
Java代码  收藏代码
  1. select count(*) from sc;   

    
40、查询选修“叶平”老师所授课程的学生中,成绩最高的学生姓名及其成绩 
   
Java代码  收藏代码
  1. select Student.Sname,score   
  2.     from Student,SC,Course C,Teacher   
  3.     where Student.S#=SC.S# and SC.C#=C.C# and C.T#=Teacher.T# and Teacher.Tname='叶平' and SC.score=(select max(score)from SC where C#=C.C# );   

    
41、查询各个课程及相应的选修人数 
   
Java代码  收藏代码
  1. select count(*) from sc group by C#;   

    
42、查询不同课程成绩相同的学生的学号、课程号、学生成绩 
 
Java代码  收藏代码
  1. select distinct  A.S#,B.score from SC A  ,SC B where A.Score=B.Score and A.C# <>B.C# ;   

    
43、查询每门功成绩最好的前两名 
   
Java代码  收藏代码
  1. SELECT t1.S# as 学生ID,t1.C# as 课程ID,Score as 分数   
  2.       FROM SC t1   
  3.       WHERE score IN (SELECT TOP 2 score   
  4.               FROM SC   
  5.               WHERE t1.C#= C#   
  6.             ORDER BY score DESC   
  7.               )   
  8.       ORDER BY t1.C#;   

    
44、统计每门课程的学生选修人数(超过10人的课程才统计)。要求输出课程号和选修人数,查询结果按人数降序排列,查询结果按人数降序排列,若人数相同,按课程号升序排列  
   
Java代码  收藏代码
  1. select  C# as 课程号,count(*) as 人数   
  2.     from  sc    
  3.     group  by  C#   
  4.     order  by  count(*) desc,c#    

    
45、检索至少选修两门课程的学生学号 
   
Java代码  收藏代码
  1. select  S#    
  2.     from  sc    
  3.     group  by  s#   
  4.     having  count(*)  >  =  2   

    
46、查询全部学生都选修的课程的课程号和课程名 
   
Java代码  收藏代码
  1. select  C#,Cname    
  2.     from  Course    
  3.     where  C#  in  (select  c#  from  sc group  by  c#)    

    
47、查询没学过“叶平”老师讲授的任一门课程的学生姓名 
   
Java代码  收藏代码
  1. select Sname from Student where S# not in (select S# from Course,Teacher,SC where Course.T#=Teacher.T# and SC.C#=course.C# and Tname='叶平');   

    
48、查询两门以上不及格课程的同学的学号及其平均成绩 
   
Java代码  收藏代码
  1. select S#,avg(isnull(score,0)) from SC where S# in (select S# from SC where score <60 group by S# having count(*)>2)group by S#;   

    
49、检索“004”课程分数小于60,按分数降序排列的同学学号 
   
Java代码  收藏代码
  1. select S# from SC where C#='004'and score <60 order by score desc;   

    
50、删除“002”同学的“001”课程的成绩 
Java代码  收藏代码
  1. delete from Sc where S#='001'and C#='001';   
常用SQL语句 *创建表时,需要设计表中字段,包含字段名称,例如:id,字段类型,例如:int,varchar,是 否可空,以及是否为主键,是否有默认值,是否自增字段等*//*假定students表只有学生的名字,年龄,年纪信息,学生成绩保存在另一张表studentscore 中,需要查学生的语文,数学,英语成绩*//*方式五,按照指定条件查找指定表的数据,例如查找初二的学生名单*//*创建数据库表时,需要指定在哪个数据库中创建表,有两种方式*//*查看数据,可看到新插入的数据*/ 阅读详情

相关推荐

T100中常用的SQL语句

汇总总结一下在T100中常用的SQL语句。

风归去. 1507

常见的数据库面试题含答案

1、什么是数据库? 数据库是一个组织和存储数据的集合,它采用特定的数据结构和管理模式,以提供对数据的高效访问和管理。 2、请解释 SQL 是什么?

人生不怕起点低,就怕没追求 1万+

数据库常见面试题(附答案)

1.事务四大特性 原子性,要么执行,要么不执行 隔离性,所有操作全部执行完以前,其它会话不能看到过程 一致性,事务前后,数据总额一致 持久性,一旦事务提交,对数据的改变就是永久的 2.数据库隔离级别,每个级别会引发什么问题,mysql默认是哪个级别 脏读:事务B读取事务A还没有提交的数据 不可重复读:两次事务读的数据不一致 幻读:事务A修改了数据,事务B也修改了数据,这时在事务A看...

csdn问鼎 46万+

数据库精选 60 道高频面试题(含答案),值得收藏

基础相关 1、关系型和非关系型数据库的区别? 关系型数据库的优点 容易理解,因为它采用了关系模型来组织数据。 可以保持数据的一致性。 数据更新的开销比较小。 支持复杂查询(带 where 子句的查询) 非关系型数据库(NOSQL)的优点 无需经过 SQL 层的解析,读写效率高。 基于键值对,读写性能很高,易于扩展 可以支持多种类型数据的存储,如图片,文档等等。 扩展(可分为内存性数据库以及文档型数据库,比如 Redis,Mong

qq_46494427的博客 2万+

【Java面试题汇总】MySQL数据库篇(2026版)

聚簇索引和非聚簇索引、索引的底层数据结构、B树和B+树、MySQL为什么不用红黑树而用B+树、数据库引擎有哪些、InnoDB的MVCC、乐观锁和悲观锁、ACID、事务隔离级别、MySQL主从同步、MySQL调优

种一棵树最好的时间是十年前,其次是现在 9537

drm 之modes

#define _GNU_SOURCE #include <errno.h> #include <fcntl.h> #include <stdbool.h> #include <stdint.h> #include <stdio.h> #include <stdlib.h> #include <string.h> #include <sys/mman.h> #include <time.h&...

u012794472的专栏 3721

常用SQL语句整理

本文系统整理了SQL语句的基础语法和常用操作,包括数据查询、数据操纵、数据定义和数据控制四大类语句。详细介绍了SELECT查询的各种使用方法(条件查询、排序、分组等),INSERT、UPDATE、DELETE等数据操作语句,以及数据库和表的创建修改语句。同时列举了常用函数和SQL使用注意事项,为数据库操作提供全面的语法参考。

weixin_59997843的博客 1225

速腾R128雷达+海康全景相机ROS数据采集避坑实录:从‘雷达不转’到MATLAB标定的完整流程

本文详细记录了速腾R128激光雷达与海康威视全景相机在ROS环境下的数据采集与MATLAB标定全流程。从硬件配置的常见陷阱(如雷达旋转参数设置)、驱动编译的依赖管理,到多传感器同步的实战技巧和MATLAB标定方法,提供了完整的避坑指南和技术方案。特别针对RoboSense R128雷达和海康相机的特殊需求给出了具体解决方案。

weixin_28717807的博客 1221

MySQL常用的sql语句

SQL语句核心功能与实用技巧摘要: SQL语句主要分为四类:数据查询(SELECT)、数据操作(INSERT/UPDATE/DELETE)、数据定义(CREATE/ALTER)和数据控制(GRANT/COMMIT)。基础查询包括条件筛选、排序分页和聚合分组,多表连接可实现复杂关联查询。DML语句完成增删改操作,DDL定义数据库结构,DCL管理权限事务。高级技巧包含子查询、CTE和窗口函数,优化建议着重索引创建和查询效率提升。掌握这些语句可高效完成数据检索、业务逻辑实现和性能优化,是数据库操作的核心技能。

simpler0808的博客 1684

SAP生产订单成本‘还原’实战:从标准成本到实际费用,一步步拆解差异来源(附物料分类账提示)

本文深入解析SAP生产订单成本差异分析的全过程,从标准成本到实际费用的追踪方法,揭示差异根源的六维分析法。特别强调物料分类账(CKMLCP)在成本还原中的关键作用,帮助财务人员精准定位价格差异、用量差异等问题,提升制造业成本管理的效率和准确性。

weixin_28705087的博客 535

常见的数值积分方法 (欧拉、中值、龙格-库塔,【常用于IMU中】)

1. 积分基本概念 设F(x)为函数f(x)的一个原函数,我们把函数f(x)的所有原函数F(x)+C(C为任意常数)叫做函数f(x)的不定积分(indefiniteintegral)。 非线性微分方程: 在有限的时间间隔Δt积分: 连续时间内积分: 工程上最常见的有三种:欧拉积分(Euler method)、中值积分(Midpoint method)和龙格-库塔法积分(Runge–Kutta methods)。他们的区别就是如何用数值方法模拟一个斜率。这里简单总结如下: ...

努力努力努力 2万+

常用的SQL语句

本文汇总了SQL常用操作语句,主要包括:1)数据查询(SELECT)基础语法及条件、排序、分组、连接等高级查询;2)数据操作(DML)如插入、更新、删除数据;3)表结构管理(DDL)包括创建、修改表结构;4)索引管理;5)事务控制;6)用户权限管理;7)常用函数(聚合、字符串、日期、数学函数);8)其他实用语句如查看数据库/表结构、数据导入导出等。全文提供了SQL核心功能的语法示例,适合数据库开发与管理人员快速查阅参考。

weixin_44146398的博客 937

软件可靠性测试与评价

本文系统介绍了软件可靠性工程的核心内容,包括可靠性概念、模型分类、测试方法和评价体系。重点解析了可靠性测试的三大步骤:定义运行剖面、设计测试用例和实施测试收集数据,并以智能安防系统为例说明具体应用。可靠性评价需结合业务场景,通过量化指标(MTBF、失效率等)和模型预测持续优化系统。文章强调可靠性需贯穿软件全生命周期,通过闭环反馈实现持续改进,为关键系统提供质量保障。

moton2017的博客 2050

SQL常用语句大全

SQL常用语句大全

龙木南的博客 8万+

基于Simulink的PID控制防抱死制动系统(ABS)建模与仿真

防抱死制动系统(Anti-lock Braking System,简称ABS)是一种用于防止车辆在紧急制动时车轮完全抱死的技术。通过实时监测车轮速度并调节制动力,ABS能够显著提高车辆的制动性能和操控稳定性,从而减少交通事故的发生。PID(比例-积分-微分)控制器因其结构简单、性能稳定且易于实现而被广泛应用于ABS控制系统中。本项目旨在通过MATLAB/Simulink平台设计和验证一个基于PID控制的ABS系统,重点研究PID参数调优方法、系统动态响应特性以及制动过程中的滑移率控制能力。

MHD0815的博客 486

让 ABAP 开发者也能做出高质量 SAP Fiori:到底需要掌握多少前端知识?

文章摘要: 随着SAP技术演进,ABAP开发者的角色边界正在重构。传统SAP GUI时代的全栈开发模式逐渐转向RAP+Fiori Elements的新范式,其中关键技术变化包括: 开发模式转变:从前后端耦合转向RAP模型驱动开发,通过CDS注解实现UI意图表达 分工优化:Fiori Elements模板处理80%标准UI需求,Flexible Programming Model解决20%差异化需求 效率提升:注解驱动开发可在RAP建模阶段同步定义UI结构,大幅缩短交付周期 工具整合:SAP提供从建模到部署的

2007 年 ~ 2025 年,深耕 SAP 技术 18 年 350

SQL常用语句(基础篇)

SQL常用语句(基础篇) 说明:创建数据库 CREATE DATABASE database-name 说明:删除数据库 drop database dbname 说明:备份sql server —创建备份数据的device USE master EXEC sp_addumpdevice ‘disk’,‘testBack’,‘c:\mssql7backup\MyNwind_1.dat’ –开始备份 BACKUP DATABASE pubs TO testBack 说明:创建新表 c

柠檬喜欢水蜜桃的博客 4191

详解大模型微调数据集构建方法(持续更新)

本文详细介绍了大模型微调数据集构建方法,希望能对学习大模型的同学们有所帮助。 文章目录 1. 前言 2. 微调数据集构建方法 2.1 方法一 2.2 方法二 2.3 方法三 2.4 方法四 2.5 方法五

herosunly的博客 28万+

100条常用SQL语句

本文整理了MySQL数据库操作的常用SQL语句,涵盖基础查询、聚合分组、数据操作、表管理、索引视图、连接查询、子查询、日期处理、字符串操作、事务管理、存储过程、触发器等多个方面。包含SELECT、INSERT、UPDATE、DELETE等基础语法,以及JOIN、GROUP BY、HAVING等高级查询技巧,同时提供日期格式化、字符串处理、事务控制等实用功能。这些语句适用于数据库开发、数据分析和系统维护等场景,是MySQL数据库操作的实用速查手册。

是程序喵呀 1万+

IMSL CNL 7.0.0 (x86-64)Crack

IMSL CNL 7.0.0 (x86-64)Crack intel的算法库破解文件,这是C++版本的破解文件

汉书HE8,好用的汇编代码编写工具

汉书HE8,好用的汇编代码编写工具早期编写汇编代码所用功能强大

常用sql语句和函数记录

常用Sql语句

My_csdo的博客 524

数学建模模型总结

这是本人在两年内准备参加数学建模竞赛搜集到的模型资料,已经经过了本人的筛选和整理,希望能够对准备参加数学建模竞赛的学弟学妹们提供一些帮助!

MyBatis 中常用的 SQL 语句

MyBatis 的核心在于将 SQL 语句与 Java 代码分离,并通过 XML 或注解的方式进行配置。掌握这些基础知识,结合 MyBatis 的动态 SQL 功能,可以灵活地构建各种复杂的 SQL 查询,并有效地管理数据库操作。MyBatis 中常用的 SQL 语句与标准 SQL 语句基本一致,但 MyBatis 提供了一些额外的特性和标签来更方便地构建和管理 SQL 语句。: 占位符,表示传入的参数,MyBatis 会自动进行参数绑定和类型转换,防止 SQL 注入。关键字,并处理多余的。

专注于技术分享 1063

深度学习工具包 DeepLearningToolbox

深度学习工具包Deprecation notice.-----This toolbox is outdated and no longer maintained.There are much better tools available for deep learning than this toolbox, e.g. [Theano](http://deeplearning.net/software/theano/), [torch](http://torch.ch/) or [tensorflow](http://www.tensorflow.org/)I would suggest you use one of the tools mentioned above rather than use this toolbox.Best, Rasmus.DeepLearnToolbox================A Matlab toolbox for Deep Learning.Deep Learning is a new subfield of machine learning that focuses on learning deep hierarchical models of data.It is inspired by the human brain's apparent deep (layered, hierarchical) architecture.A good overview of the theory of Deep Learning theory is[Learning Deep Architectures for AI](http://www.iro.umontreal.ca/~bengioy/papers/ftml_book.pdf)For a more informal introduction, see the following videos by Geoffrey Hinton and Andrew Ng.* [The Next Generation of Neural Networks](http://www.youtube.com/watch?v=AyzOUbkUf3M) (Hinton, 2007)* [Recent Developments in Deep Learning](http://www.youtube.com/watch?v=VdIURAu1-aU) (Hinton, 2010)* [Unsupervised Feature Learning and Deep Learning](http://www.youtube.com/watch?v=ZmNOAtZIgIk) (Ng, 2011)If you use this toolbox in your research please cite [Prediction as a candidate for learning deep hierarchical models of data](http://www2.imm.dtu.dk/pubdb/views/publication_details.php?id=6284)```@MASTERSTHESIS\{IMM2012-06284, author = "R. B. Palm", title = "Prediction as a candidate for learning deep hierarchical models of data", year = "2012",}```Contact: rasmusbergpalm at gmail dot comDirectories included in the toolbox-----------------------------------`NN/` - A library for Feedforward Backpropagation Neural Networks`CNN/` - A library for Convolutional Neural Networks`DBN/` - A library for Deep Belief Networks`SAE/` - A library for Stacked Auto-Encoders`CAE/` - A library for Convolutional Auto-Encoders`util/` - Utility functions used by the libraries`data/` - Data used by the examples`tests/` - unit tests to verify toolbox is workingFor references on each library check REFS.mdSetup-----1. Download.2. addpath(genpath('DeepLearnToolbox'));Example: Deep Belief Network---------------------```matlabfunction test_example_DBNload mnist_uint8;train_x = double(train_x) / 255;test_x = double(test_x) / 255;train_y = double(train_y);test_y = double(test_y);%% ex1 train a 100 hidden unit RBM and visualize its weightsrand('state',0)dbn.sizes = [100];opts.numepochs = 1;opts.batchsize = 100;opts.momentum = 0;opts.alpha = 1;dbn = dbnsetup(dbn, train_x, opts);dbn = dbntrain(dbn, train_x, opts);figure; visualize(dbn.rbm{1}.W'); % Visualize the RBM weights%% ex2 train a 100-100 hidden unit DBN and use its weights to initialize a NNrand('state',0)%train dbndbn.sizes = [100 100];opts.numepochs = 1;opts.batchsize = 100;opts.momentum = 0;opts.alpha = 1;dbn = dbnsetup(dbn, train_x, opts);dbn = dbntrain(dbn, train_x, opts);%unfold dbn to nnnn = dbnunfoldtonn(dbn, 10);nn.activation_function = 'sigm';%train nnopts.numepochs = 1;opts.batchsize = 100;nn = nntrain(nn, train_x, train_y, opts);[er, bad] = nntest(nn, test_x, test_y);assert(er < 0.10, 'Too big error');```Example: Stacked Auto-Encoders---------------------```matlabfunction test_example_SAEload mnist_uint8;train_x = double(train_x)/255;test_x = double(test_x)/255;train_y = double(train_y);test_y = double(test_y);%% ex1 train a 100 hidden unit SDAE and use it to initialize a FFNN% Setup and train a stacked denoising autoencoder (SDAE)rand('state',0)sae = saesetup([784 100]);sae.ae{1}.activation_function = 'sigm';sae.ae{1}.learningRate = 1;sae.ae{1}.inputZeroMaskedFraction = 0.5;opts.numepochs = 1;opts.batchsize = 100;sae = saetrain(sae, train_x, opts);visualize(sae.ae{1}.W{1}(:,2:end)')% Use the SDAE to initialize a FFNNnn = nnsetup([784 100 10]);nn.activation_function = 'sigm';nn.learningRate = 1;nn.W{1} = sae.ae{1}.W{1};% Train the FFNNopts.numepochs = 1;opts.batchsize = 100;nn = nntrain(nn, train_x, train_y, opts);[er, bad] = nntest(nn, test_x, test_y);assert(er < 0.16, 'Too big error');```Example: Convolutional Neural Nets---------------------```matlabfunction test_example_CNNload mnist_uint8;train_x = double(reshape(train_x',28,28,60000))/255;test_x = double(reshape(test_x',28,28,10000))/255;train_y = double(train_y');test_y = double(test_y');%% ex1 Train a 6c-2s-12c-2s Convolutional neural network %will run 1 epoch in about 200 second and get around 11% error. %With 100 epochs you'll get around 1.2% errorrand('state',0)cnn.layers = { struct('type', 'i') %input layer struct('type', 'c', 'outputmaps', 6, 'kernelsize', 5) %convolution layer struct('type', 's', 'scale', 2) %sub sampling layer struct('type', 'c', 'outputmaps', 12, 'kernelsize', 5) %convolution layer struct('type', 's', 'scale', 2) %subsampling layer};cnn = cnnsetup(cnn, train_x, train_y);opts.alpha = 1;opts.batchsize = 50;opts.numepochs = 1;cnn = cnntrain(cnn, train_x, train_y, opts);[er, bad] = cnntest(cnn, test_x, test_y);%plot mean squared errorfigure; plot(cnn.rL);assert(er<0.12, 'Too big error');```Example: Neural Networks---------------------```matlabfunction test_example_NNload mnist_uint8;train_x = double(train_x) / 255;test_x = double(test_x) / 255;train_y = double(train_y);test_y = double(test_y);% normalize[train_x, mu, sigma] = zscore(train_x);test_x = normalize(test_x, mu, sigma);%% ex1 vanilla neural netrand('state',0)nn = nnsetup([784 100 10]);opts.numepochs = 1; % Number of full sweeps through dataopts.batchsize = 100; % Take a mean gradient step over this many samples[nn, L] = nntrain(nn, train_x, train_y, opts);[er, bad] = nntest(nn, test_x, test_y);assert(er < 0.08, 'Too big error');%% ex2 neural net with L2 weight decayrand('state',0)nn = nnsetup([784 100 10]);nn.weightPenaltyL2 = 1e-4; % L2 weight decayopts.numepochs = 1; % Number of full sweeps through dataopts.batchsize = 100; % Take a mean gradient step over this many samplesnn = nntrain(nn, train_x, train_y, opts);[er, bad] = nntest(nn, test_x, test_y);assert(er < 0.1, 'Too big error');%% ex3 neural net with dropoutrand('state',0)nn = nnsetup([784 100 10]);nn.dropoutFraction = 0.5; % Dropout fraction opts.numepochs = 1; % Number of full sweeps through dataopts.batchsize = 100; % Take a mean gradient step over this many samplesnn = nntrain(nn, train_x, train_y, opts);[er, bad] = nntest(nn, test_x, test_y);assert(er < 0.1, 'Too big error');%% ex4 neural net with sigmoid activation functionrand('state',0)nn = nnsetup([784 100 10]);nn.activation_function = 'sigm'; % Sigmoid activation functionnn.learningRate = 1; % Sigm require a lower learning rateopts.numepochs = 1; % Number of full sweeps through dataopts.batchsize = 100; % Take a mean gradient step over this many samplesnn = nntrain(nn, train_x, train_y, opts);[er, bad] = nntest(nn, test_x, test_y);assert(er < 0.1, 'Too big error');%% ex5 plotting functionalityrand('state',0)nn = nnsetup([784 20 10]);opts.numepochs = 5; % Number of full sweeps through datann.output = 'softmax'; % use softmax outputopts.batchsize = 1000; % Take a mean gradient step over this many samplesopts.plot = 1; % enable plottingnn = nntrain(nn, train_x, train_y, opts);[er, bad] = nntest(nn, test_x, test_y);assert(er < 0.1, 'Too big error');%% ex6 neural net with sigmoid activation and plotting of validation and training error% split training data into training and validation datavx = train_x(1:10000,:);tx = train_x(10001:end,:);vy = train_y(1:10000,:);ty = train_y(10001:end,:);rand('state',0)nn = nnsetup([784 20 10]); nn.output = 'softmax'; % use softmax outputopts.numepochs = 5; % Number of full sweeps through dataopts.batchsize = 1000; % Take a mean gradient step over this many samplesopts.plot = 1; % enable plottingnn = nntrain(nn, tx, ty, opts, vx, vy); % nntrain takes validation set as last two arguments (optionally)[er, bad] = nntest(nn, test_x, test_y);assert(er < 0.1, 'Too big error');```[![Bitdeli Badge](https://d2weczhvl823v0.cloudfront.net/rasmusbergpalm/deeplearntoolbox/trend.png)](https://bitdeli.com/free "Bitdeli Badge")

MySql常用SQL语句

MySql常用SQL语句增加数据删除数据修改数据查询数据模糊查询排序分组分页多表查询内连接左连接右连接自关联 增加数据 insert into 表名 values (值1,值2,值3); insert into 表名(值1,值2) values (值1,值2); 删除数据 delete from 表名 where 条件 修改数据 update 表名 set 字段1 = 字段值1, 字段2 = 字段值2 where 条件 查询数据 select * from 表名 select 字段1 as 别名1 f

程序员小哲的博客 1万+

SQL--SQL常用语句整理

整理了下SQL常用的语句,可能有错,仅供参考~

CS技术栈 207

SQL常用语句

数据库基础,数据库的增删改查

qq_73867909的博客 800

sql常用语句

常用sql笔记

weixin_46430763的博客 877

常用SQL语句总结

总结了一下常用的SQL语句: DDL—数据定义语言(Create,Alter,Drop,DECLARE)  DML—数据操纵语言(Select,Delete,Update,Insert)  DCL—数据控制语言(GRANT,REVOKE,COMMIT,ROLLBACK)  首先,简要介绍基础语句:  1、说明:创建数据库  Create DATABASE databas

sunsfan的博客 4262
上一篇: ACM Reverse Root
下一篇: ACM Longest Substring Without Repeating Characters
拿铁加不加糖
博客等级 码龄16年 75粉丝 27原创
评论
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