关于NO_DATA_FOUND和%NOTFOUND

本文深入探讨了Oracle中NO_DATA_FOUND和%NOTFOUND保留字的使用区别,包括它们在SELECT INTO语句、显示光标、UPDATE或DELETE语句以及游标循环中的应用,并详细解释了SQL%FOUND、SQL%NOTFOUND和SQL%ROWCOUNT属性的作用及状态变化。
Oracle的NO_DATA_FOUND和%NOTFOUND两个保留字的用法不够了解,主要是它们从意义上是有些类似。其实它们的用法是有区别的,小结如下:
SELECT . . . INTO 语句触发 NO_DATA_FOUND;
当一个显示光标的 where 子句未找到时 触发 %NOTFOUND;
当UPDATE或DELETE 语句的where 子句未找到时 触发 SQL%NOTFOUND;
在光标的提取(Fetch)循环中要用 %NOTFOUND 或%FOUND 来确定循环的退出条件,不要用 NO_DATA_FOUND。


当执行一条DML语句后,DML语句的结果保存在四个游标属性中,这些属性用于控制程序流程或者了解程序的状态。当运行DML语句时,PL/SQL打开一个内建游标并处理结果,游标是维护查询结果的内存中的一个区域,游标在运行DML语句时打开,完成后关闭。隐式游标只使用SQL%FOUND,SQL%NOTFOUND,SQL%ROWCOUNT三个属性.SQL%FOUND,SQL%NOTFOUND是布尔值,SQL%ROWCOUNT是整数值。

  SQL%FOUND和SQL%NOTFOUND
  在执行任何DML语句前SQL%FOUND和SQL%NOTFOUND的值都是NULL,在执行DML语句后,SQL%FOUND的属性值将是:

  . TRUE:INSERT
  . TRUE:DELETE和UPDATE,至少有一行被DELETE或UPDATE.
  . TRUE:SELECT INTO至少返回一行

  当SQL%FOUND为TRUE时,SQL%NOTFOUND为FALSE。

  SQL%ROWCOUNT
  在执行任何DML语句之前,SQL%ROWCOUNT的值都是NULL,对于SELECT INTO语句,如果执行成功,SQL%ROWCOUNT的值为1,如果没有成功,SQL%ROWCOUNT的值为0,同时产生一个异常NO_DATA_FOUND.

  SQL%ISOPEN
  SQL%ISOPEN是一个布尔值,如果游标打开,则为TRUE, 如果游标关闭,则为FALSE.对于隐式游标而言SQL%ISOPEN总是FALSE,这是因为隐式游标在DML语句执行时打开,结束时就立即关闭。
在 R 语言中,错误信息 “Logical subscript must be size 1 or 559, not 0” 表明逻辑下标向量的长度为 0,而 R 期望逻辑下标向量的长度为 1 或者与数据框的行数(这里是 559)相同。在代码 `clinical_data <- clinical_data[clinical_data$submitter_id.samples %in% colnames(data_final), ]` 中,出现这个错误通常意味着 `clinical_data$submitter_id.samples` 中没有任何元素存在于 `colnames(data_final)` 中,导致 `clinical_data$submitter_id.samples %in% colnames(data_final)` 返回的逻辑向量长度为 0。 以下是几种可能的解决方案: #### 1. 检查数据 首先,需要确认 `clinical_data$submitter_id.samples` `colnames(data_final)` 中的值是否符合预期。可以使用以下代码查看这些值: ```R print(clinical_data$submitter_id.samples) print(colnames(data_final)) ``` #### 2. 处理空结果情况 如果确实没有匹配项,可以在代码中添加条件判断来处理这种情况,避免错误: ```R matches <- clinical_data$submitter_id.samples %in% colnames(data_final) if (any(matches)) { clinical_data <- clinical_data[matches, ] } else { warning("No matches found between submitter_id.samples and column names of data_final.") clinical_data <- NULL } ``` #### 3. 检查数据类型 确保 `clinical_data$submitter_id.samples` `colnames(data_final)` 的数据类型一致。有时候,由于数据类型不匹配,即使值看起来相同,也可能无法匹配。可以使用 `class()` 函数检查数据类型,并使用 `as.character()` 等函数进行转换: ```R clinical_data$submitter_id.samples <- as.character(clinical_data$submitter_id.samples) colnames(data_final) <- as.character(colnames(data_final)) clinical_data <- clinical_data[clinical_data$submitter_id.samples %in% colnames(data_final), ] ``` ###
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