Mysql笔记三之 数学函数

MySQL 数学函数 MySQL数学函数运用 首先运用show databases查看数据库列表以及运用use选中该数据库 用ABS(X)求绝对值的函数 运用PI()返回圆周率π的值! 运用SQRT(X)获取平方根函数 运用MOD获取余函数 运用RAND()获取随机函数 运用ROUND(x,y)获取整函数 运用ROUND(RAND()10),获取0~10中的随机数 运用SELECT TRUNCATE ... 阅读详情

Mysql笔记三之 数学函数

数学函数主要处理数值数据。主要有绝对值函数,三角函数,对数函数,随机数函数。在有错误产生时,数学函数将会返回空值NULL。

1. 绝对值函数ABS(x) 和返回圆周率函数PI()

mysql> SELECT ABS(2),ABS(-3.3),ABS(-33);
+--------+-----------+----------+
| ABS(2) | ABS(-3.3) | ABS(-33) |
+--------+-----------+----------+
|      2 |       3.3 |       33 |
+--------+-----------+----------+
1 row in set (0.07 sec)

mysql> SELECT pi();
+----------+
| pi()     |
+----------+
| 3.141593 |
+----------+
1 row in set (0.00 sec)

总结:pi()保留7位有效数字

2.平方根函数SQRT(x)和求余函数MOD(x,y)

mysql> SELECT SQRT(9),SQRT(40),SQRT(-49);
+---------+-----------------+-----------+
| SQRT(9) | SQRT(40)        | SQRT(-49) |
+---------+-----------------+-----------+
|       3 | 6.3245553203368 |      NULL |
+---------+-----------------+-----------+
1 row in set (0.00 sec)

总结:负数没有平方根,因此-49返回NULL

mysql> SELECT MOD(31,8),MOD(234,10),MOD(45.5,6);
+-----------+-------------+-------------+
| MOD(31,8) | MOD(234,10) | MOD(45.5,6) |
+-----------+-------------+-------------+
|         7 |           4 |         3.5 |
+-----------+-------------+-------------+
1 row in set (0.00 sec)

总结:MOD(x,y)返回x被y除后的余数,MOD()对带有小数部分的数值也起作用

3.获取整数的函数CEIL(x)、CEILING(x)和FLOOR(x)

mysql> SELECT CEIL(-3.35),CEILING(3.35);
+-------------+---------------+
| CEIL(-3.35) | CEILING(3.35) |
+-------------+---------------+
|          -3 |             4 |
+-------------+---------------+
1 row in set (0.00 sec)

总结:CEIL(x),CEILING(x)意义相同,返回不小于x的最小整数。返回值转换为一个BIGINT.

mysql> SELECT FLOOR(-3.35),FLOOR(3.35);
+--------------+-------------+
| FLOOR(-3.35) | FLOOR(3.35) |
+--------------+-------------+
|           -4 |           3 |
+--------------+-------------+
1 row in set (0.00 sec)

总结:FLOOR(x)返回不大于x的最大整数,返回值转化为BIGINT.

4.获取随机函数RAND()和RAND(x)

mysql> SELECT RAND(),RAND(),RAND(10),RAND(10),RAND(11);
+------------------+------------------+------------------+------------------+------------------+
| RAND()           | RAND()           | RAND(10)         | RAND(10)         | RAND(11)         |
+------------------+------------------+------------------+------------------+------------------+
| 0.17441298922004 | 0.73337492508197 | 0.65705152196535 | 0.65705152196535 | 0.90723463139239 |
+------------------+------------------+------------------+------------------+------------------+
1 row in set (0.02 sec)

总结:
a.RAND(x)返回一个随机浮点值,范围在0到1之间.
b.不带参数的RAND()每次产生的随机数值是不同的。
c.带参数的RAND(x),当参数相同时,将产生相同的随机数,不同的x产生的随机数值不同。

5.四舍五入函数ROUND(x)、ROUND(x,y)和TRUNCATE(x,y)

mysql> SELECT ROUND(-1.14),ROUND(-1.67),ROUND(1.14),ROUND(1.66);
+--------------+--------------+-------------+-------------+
| ROUND(-1.14) | ROUND(-1.67) | ROUND(1.14) | ROUND(1.66) |
+--------------+--------------+-------------+-------------+
|           -1 |           -2 |           1 |           2 |
+--------------+--------------+-------------+-------------+
1 row in set (0.00 sec)

总结:ROUND(x)返回最接近参数x的整数,对x值进行四舍五入。只保留各值的整数部分。

mysql> SELECT ROUND(1.38,1),ROUND(1.38,0),ROUND(232.38,-1),ROUND(232.38,-2);
+---------------+---------------+------------------+------------------+
| ROUND(1.38,1) | ROUND(1.38,0) | ROUND(232.38,-1) | ROUND(232.38,-2) |
+---------------+---------------+------------------+------------------+
|           1.4 |             1 |              230 |              200 |
+---------------+---------------+------------------+------------------+
1 row in set (0.00 sec)

总结:ROUND(x,y)返回最接近于参数x的数,其值保留小数点后y位,若y为负值,则将保留x值到小数点左边y位。

mysql> SELECT TRUNCATE(1.31,1),TRUNCATE(1.99,1),TRUNCATE(1.99,0),TRUNCATE(19.99,-1);
+------------------+------------------+------------------+--------------------+
| TRUNCATE(1.31,1) | TRUNCATE(1.99,1) | TRUNCATE(1.99,0) | TRUNCATE(19.99,-1) |
+------------------+------------------+------------------+--------------------+
|              1.3 |              1.9 |                1 |                 10 |
+------------------+------------------+------------------+--------------------+
1 row in set (0.00 sec)

总结:TRUNCATE(x,y)返回被舍去至小数点后y位的数字x。若y的值为0,则结果不带有小数点或不带有小数部分。若y设为负数,则截去x小数点左起第y位开始后面所有低位的值。

6.符号函数SIGN(x)

mysql> SELECT SIGN(-21),SIGN(0),SIGN(21);
+-----------+---------+----------+
| SIGN(-21) | SIGN(0) | SIGN(21) |
+-----------+---------+----------+
|        -1 |       0 |        1 |
+-----------+---------+----------+
1 row in set (0.00 sec)

总结:SIGN(x)返回参数的符合,x的值为负、零或者正时返回结果依次为-1、0或1。

7.幂运算函数POW(x,y)、POWER(x,y)和EXP(x)

mysql> SELECT POW(2,2),POWER(2,2),POW(2,-2),POWER(2,-2);
+----------+------------+-----------+-------------+
| POW(2,2) | POWER(2,2) | POW(2,-2) | POWER(2,-2) |
+----------+------------+-----------+-------------+
|        4 |          4 |      0.25 |        0.25 |
+----------+------------+-----------+-------------+
1 row in set (0.00 sec)

总结:POW(x,y)或者POWER(x,y)函数返回x的y次乘方的结果值。

mysql> SELECT EXP(3),EXP(-3),EXP(0);
+-----------------+-------------------+--------+
| EXP(3)          | EXP(-3)           | EXP(0) |
+-----------------+-------------------+--------+
| 20.085536923188 | 0.049787068367864 |      1 |
+-----------------+-------------------+--------+
1 row in set (0.00 sec)

总结:EXP(x)返回e 的x乘方后的值。

三角函数公式 考研数学公式,三角函数公式(倍角公式,三角函数求导常用公式,倍角公式 三倍角公式 ,半角公式,和差化积,积化和差 ) 立即下载

相关推荐

MATLAB/Simulink实战:三电平逆变器SVPWM调制从入门到精通(附完整仿真模型)

本文提供了一份详尽的MATLAB/Simulink实战指南,手把手教你从零搭建三电平逆变器的SVPWM调制系统。文章深入剖析了27个空间矢量的分区与分解算法,并完整实现了包含中点电位平衡控制的Simulink仿真模型,旨在帮助电力电子与电机控制领域的学习者和工程师跨越从理论到实践的鸿沟。

sugar的博客 1216

计算三角形的周长及面积-牛客网

题目描述 根据给出的三角形3条边a, b, c(0 < a, b, c < 100,000),计算三角形的周长和面积。 输入描述: 一行,三角形3条边(能构成三角形),中间用一个空格隔开。 输出描述: 一行,三角形周长和面积(保留两位小数),中间用一个空格隔开,输出具体格式详见输出样例。 示例1 输入 3 3 3 输出 circumference=9.00 area=3.90 方法一 printf语句 方法二 cout输出 ...

m0_53300448的博客 693

同一台电脑使用模拟ModbusTcp主从通讯的时候,Wireshark抓取不到包

在使用ModBus Slave和Poll模拟主从通讯的时候,发现Wireshark怎么都抓取不到包怎么排查和解决?

HUJIANGMING的博客 707

大数据——MySQL数学函数

MySQL数学函数1、绝对值函数:abs(x)2、返回圆周率函数:PI()3、平方根函数:sqrt(x)4、求余函数:mod(x,y)5、获取整数的函数:ceil(x)、ceiling(x)和floor(x)6、获取随机数的函数:rand()和rand(x)7、函数round(x)、round(x,y)和truncate(x,y)8、符号函数:sign(x)9、幂函数运算:pow(x,y)、power(x,y)、exp(x)10、对数运算函数:log(x)、log10(x)11、角度与弧度相互转换的函数:r

蜂蜜柚子加苦茶 696

AI陪伴成瘾:青少年情感依赖的形成机制与家庭干预指南

大语言模型驱动的对话式交互,正从简单的信息应答演变为具备高度共情能力的AI陪伴工具。其核心原理是模型通过学习海量人类情感表达模式,实现即时共情、记忆唤起和个性化回应,从而形成情感粘性。这种技术在提供情绪支持上有独特价值,但也可能带来情感依赖风险——尤其是对现实社交缺失的青少年群体,他们容易在算法设计的“即时反馈”与“开放结局”中逐步退缩,甚至产生社会功能退化。因此,理解AI陪伴的成瘾机制,识别预警信号,并采用先连接后干预的家庭五步法,是防止虚拟关系替代现实社交的关键。

weixin_26712075的博客 122

全局特征描述子 CVFH (Clustered Viewpoint Feature Histogram) 原理

特性VFHCVFH处理对象整个物体点云物体点云被分割后的稳定表面块(簇)对遮挡的鲁棒性弱。遮挡会破坏全局形状,导致描述子失效。极强。只依赖于稳定存在的部分。描述子维度263 维308 维 (263 + 45 SC)输出数量一个物体产生1 个描述子一个物体可能产生多个签名计算复杂度相对较低较高(需先聚类)主要应用场景完整、分割良好的物体存在遮挡、背景杂波的不完整物体。

weixin_37079656的博客 620

【MySQL】MySQL基本函数的使用

前言 目前为止,我们SQL语句已经学习的差不多了,上一篇讲的是MySQL对数据的基本操作,如果你还不知道那你可以先去看看 传送门:link. 这一篇我们来总结一下MySQL的一些自带函数,有了这些已经被封装好的函数将会大大提高我们对SQL语句的使用体验,接下来就正式开始吧! 目录前言数字函数日期函数字符函数条件函数 数字函数 数字函数,顾名思义就是操作对象是数字,对数字操作时使用的函数。主要有以下几种: 日期函数 同样的,日期函数的操作对象是日期,在MySQL中一个完整的日期的标准格式是: yyyy-MM

apple_51673523的博客 3419

LangFuse部署与实践

LangFuse的原理主要是基于可观察性和分析技术来监控和优化低延迟消息(LLM)应用。它提供了一套完整的解决方案,通过收集、处理和分析LLM应用在运行过程中产生的各种数据,来生成实时的、深入的、可操作的见解。通过提供实时的、深入的见解和可视化的跟踪功能,LangFuse使得识别和解决应用性能问题变得更加简单和高效。总的来说,LangFuse的原理是通过综合运用可观察性和分析技术,来提供对LLM应用的全面监控和优化能力。这使得开发者和运维团队能够更加高效地管理和维护他们的应用,从而提升用户体验和业务效益。

pumpkin84514的博客 7948

MySQL三角函数详解

本文主要讲解MySQL三角函数及其相关函数,包括:RADIANS、DEGREES、SIN、COS、TAN、COT、ASIN、ACOS、ATAN、ATAN2。

实泽有之,无泽虚之 770

一本集成电路静态时序设计经典之作(可下载)

本书全面深入探讨集成电路设计中关键技术的专著,涵盖了从基础知识到高级应用的各个方面。本书详细介绍了集成电路的发展历程、**静态时序分析的重要性、基本时序模型、时序信息库文件的构建、时序约束的设置、串扰噪声的影响及其控制方法**,并通过实战案例展示了如何进行有效的时序分析和优化。

nuoweishizi的博客 852

嵌入式工程师成长之路(1)——元件基础(试读版)

上拉电阻阻值选错导致MCU反复重启?0欧电阻竟然能“背锅”信号干扰?高精密采样电阻的温漂毁了整个控制系统?——这些问题,都是基础不牢!优快云硬件领域头部博主十年经验汇总,涵盖电阻分类、封装、实战选型、避坑指南,附带职业进阶路径,助你从小白进阶为“电路医生”!

云轩阁 34万+

MySQL基础- mysql常用函数汇总

本文使用MySQL版本为8.0.11。

geminigoth的博客 1439

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学习笔记三常用函数(聚合函数,数学函数,字符串函数,日期函数)

聚合函数 count()计算总数,结果排除null student表中的数据总数 select count(*) from student; SUM():求和 -- 所有学生语文总成绩 select sum(yuwen) as 学生语文总成绩 from student; AVG():平均值 -- 语文平均成绩 select avg(yuwen) as 语文平均成绩 from student; -- 数学平均成绩 select avg(shuxue) as 数学平均成绩 from st

记录学习JAVA中的点点滴滴 338

Data-Structures-and-Algorithm-Analysis-in-Java.pdf

作者: Weiss, Mark A. 出版社: Addison Wesley Data Structures and Algorithm Analysis in Java is an “advanced algorithms” book that fits between traditional CS2 and Algorithms Analysis courses. In the old ACM Curriculum Guidelines, this course was known as CS7. This text is for readers who want to learn good programming and algorithm analysis skills simultaneously so that they can develop such programs with the maximum amo...

文档:亲测可用解决vnc灰屏,黑屏,鼠标大黑叉情况

主要解决vnc-viewer灰屏,黑屏,鼠标大黑叉等现象,详细见文档。

MySQL数学函数

MySQL函数包括数学函数、字符串函数、日期和时间函数、条件判断函数、系统信息函数、加密函数等。 数学函数是MySQL中常用的函数,主要用于处理数字,包括整形、浮点数等。 数学函数包括绝对值函数、正弦函数、余弦函数、和随机函数等。 MySQL常用的数学函数如下表所示: MySQL数学函数 函数 作用 abs(x) 求绝对值 PI() 返回圆周率 sqrt(x...

星辰大数据的博客 2495

android 蓝牙通讯demo

android 下蓝牙通讯demo,实现了发现蓝牙,使能蓝牙,通过蓝牙发送消息。

【MySQL】MySQL中的数学函数有哪些?

函数表示对输入参数值返回一个具有特定关系的值。MySQL提供了大量丰富的函数,在进行数据库管理以及数据的查询等操作时将会经常用到各种函数。通过对数据的处理,数据库的功能可以变得更加强大、更加灵活,满足不同用户的需求。各类函数从功能方面主要分为数学函数、字符串函数、日期和时间函数、条件判断函数、系统信息函数和加密函数等。

小冷coding的博客 2543

mysql函数(三)之常见数学函数

例子:SELECT POWER(2, 3);例子:SELECT MOD(10, 3);例子:SELECT RAND();FLOOR(X):返回小于或等于X的最大整数值。例子:SELECT SIN(0);例子:SELECT COS(0);CEIL(X):返回大于或等于X的最小整数值。RAND():返回一个0到1之间的随机数。POWER(X, Y):返回X的Y次幂。MOD(X, Y):返回X除以Y的余数。ROUND(X):返回X的四舍五入值。SQRT(X):返回X的平方根。ABS(X):返回X的绝对值。

h3197的博客 626

mysql数学函数有什么_mysql数学函数有哪些?

mysql数学函数有:1、绝对值函数【ABS(X)】和返回圆周率的函数【PI(X)】;2、平方根函数【SQRT(X)】和求余函数【MOD(X,Y)】;3、获取随机数的函数【RAN()】和【RAND(X)】。mysql数学函数有:1、绝对值函数ABS(X)和返回圆周率的函数PI(X)ABS(X)返回的是X的绝对值PI()返回的是圆周率π的值,默认显示后6位2、平方根函数SQRT(X)和求余函数MOD...

weixin_39963853的博客 1809

Mysql函数(三)之常见的数学函数

MySQL提供了众多用于处理数字的数学函数,这些函数能够对整数、浮点数等进行一系列操作。以下是一些常用的MySQL数学函数:

2301_80263923的博客 951

MySQL的数学函数(十)

我看到了那天的夕阳,美得如此骄艳,我便决定,追寻夕阳,拼尽余生。

两个蝴蝶飞 1176

MySQL的数学函数

在MySQL中,有许多内置的数学函数可以帮助我们进行各种复杂的数学计算。这些函数包括round、ceil、floor、truncate、mod和pow等。下面,我将详细介绍这些函数的用法。

weixin_62988359的博客 4430

MySQL 内置数学函数

学习学习mysql内置数学函数,先进入mysql: C:\Users\Administrator>cd /d D:\MySQL Server 5.5\bin D:\MySQL Server 5.5\bin>mysql -u root -p Enter password: ******** Welcome to the MySQL monitor. Commands end with ;

theArcticOcean 741

mysql中乘积函数,mysql 中数学函数的使用

mysql 中数学函数的使用所有的数学函数在一个出错的情况下返回NULL。-单目减。改变参数的符号。mysql>select-2;注意,如果这个操作符与一个BIGINT使用,返回值是一个BIGINT!这意味着你应该避免在整数上使用-,那可能有值-2^63!ABS(X)返回X的绝对值。mysql>selectABS(2);->2mysql>selectABS(...

weixin_31240035的博客 1025

mysql数据库中数学函数_MySQL数据库之数学函数

本文主要向大家介绍了MySQL数据库的数学函数,通过具体的内容向大家展现,希望对大家学习MySQL数据库有所帮助。所有的数学函数在发生错误的情况下,均返回NULL。-元减。改变参数的符号mysql> SELECT - 2; -> -2注意,如果这个操作符被用于一个BIGINT,返回值也是一个BIGINT!这就意味着,应该避免在一个可能有值-2^63的整数上使用-操作符!AB...

weixin_39727863的博客 314

Mysql函数-数学函数

Mysql函数-数学函数: 数学函数主要用来处理数值数据,主要的数学函数有:绝对值函数、三角函数(包括正弦函数、余弦函数、正切函数、余切函数等)、对数函数、随机数函数等。在有错误产生时,数学函数将会返回空值NULL。本节将介绍各种数学函数的功能和用法。

感谢关注-最近在编写开源的自动化测试框架还没整理完 815
上一篇: Mysql笔记二之 运算符
下一篇: MySQL笔记四之 字符串函数
poorCoder_
博客等级 码龄10年 129粉丝 41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