sql语法 - 根据条件, 生成额外一个新字段 CASE WHEN ELSE END AS

Databricks湖仓AI实战:Unity Catalog、Delta Lake与Genie深度协同指南 数据湖仓架构正从‘存储+计算’迈向‘可理解、可推理、可交互’的智能阶段。其核心在于结构化数据如何被自然语言准确调用——这依赖于统一元数据治理(Unity Catalog)、强一致性存储引擎(Delta Lake)与语义层桥接能力(Genie)的深度耦合。Unity Catalog提供带血缘、质量规则与敏感标记的可信数据图谱;Delta Lake通过ACID事务、TIME TRAVEL和OPTIMIZE保障数据稳定与可溯;而Genie则依托二者构建的AI-ready黄金层,将业务问题实时翻译为可信SQL与可视 阅读详情
CASE WHEN ss.appNum > 0 THEN '1' ELSE '0' END AS backApplyResult
  • 如果 ss.appNum(假设是某个子查询或表别名 ss 中的字段)大于 0,则返回字符串 ‘1’
  • 否则返回字符串 ‘0’
  • 结果列命名为 backApplyResult

这通常用于前端展示或业务逻辑判断,例如

  • ‘1’ 表示“已申请”
  • ‘0’ 表示“未申请”

假设有订单表和申请记录表,你想知道每个订单是否被用户申请过退款:

SELECT 
    o.order_id,
    CASE WHEN ss.appNum > 0 THEN '1' ELSE '0' END AS backApplyResult
FROM orders o
LEFT JOIN (
    SELECT order_id, COUNT(*) AS appNum
    FROM refund_applications
    GROUP BY order_id
) ss ON o.order_id = ss.order_id;

结果可能为

order_idbackApplyResult
1001‘1’
1002‘0’

解析:

  1. 顺序 先子查询()里面的.group by 和 聚合函数配合 形成 left join 右侧表 取名ss
  2. 执行左链接 left join … on … 生成一个新表
  3. CASE WHEN ss.appNum > 0 THEN ‘1’ ELSE ‘0’ END AS backApplyResult
Oracle生态下五种低门槛机器学习落地路径 机器学习(ML)在企业落地的核心挑战,往往不在算法本身,而在于如何跨越数据、技能与业务目标之间的断层。面向Oracle技术栈用户,本文聚焦‘可集成、可审计、可运维’的生产级预测能力构建,围绕数据不出库、技能平移成本低、交付物即业务字段三大硬约束,系统梳理SQL建模、OAC可视化建模、OML数据库内建模、自治数据库实时预测、OCI Data Science工程化建模五类路径。特别强调Analytics作为业务动作闭环的实现逻辑,以及Predictive Analytics与数据库原生能力(如PREDICTIO 阅读详情

相关推荐

多维聚合不止GROUP BY:四层数据操作实战框架

多维聚合是BI分析、报表开发与数据中台建设中的核心能力,其本质并非简单的分组汇总,而是围绕原始数据展开的系统性数据操作过程。它涉及维度清洗、语义对齐、上下文增强与结果结构化等关键环节,依赖filtering、pivoting、windowing、imputation等技术手段协同实现。在真实业务场景中,空值处理不当、维度层级断裂、跨粒度指标计算失效等问题频发,根源常在于忽视聚合前的数据准备与聚合后的结果重塑。掌握这套覆盖Pre-Aggregation、Dimensional Alignment、Aggreg

wgyyh 441

seatunnel数据集成(四)转换器实战:从基础操作到复杂清洗

本文详细介绍了Seatunnel数据集成中转换器的实战应用,从基础操作到复杂数据清洗。通过Copy、Replace、Split等转换器的组合使用,实现高效数据清洗和格式转换,提升数据处理效率。特别适合需要处理复杂数据变形的开发者,帮助快速完成数据集成任务。

weixin_30236595的博客 280

Tableau计算字段核心原理与六类实战应用

计算字段是Tableau中实现数据逻辑内嵌的关键能力,本质是在行级或聚合层插入可复用的声明式数据加工指令。它区别于筛选器和分组,能解决复购率、工作日识别、动态分箱等业务指标建模问题。依托LOD(FIXED/INCLUDE/EXCLUDE)、条件判断(IIF/IF)、日期函数(MONTH/DATEPART)等技术,支撑从清洗、度量构建到多粒度对比的全链路分析。广泛应用于电商用户分层、OTA价格归因、SaaS产品使用分析等场景,是业务分析师进阶数据思维与工程化分析能力的核心支点。

jlins_you的专栏 480

qgis虚拟图层中添加新的字段

本文详细介绍了在QGIS虚拟图层中添加新字段的多种方法,包括通过JOIN连接其他图层的字段、创建计算字段和条件分组字段。核心在于灵活运用SELECT语句,结合SQL运算符和CASE语句实现字段扩展。操作步骤包括编写查询语句、导入图层、命名添加和可选导出。虚拟图层功能强大,可满足各种数据处理需求,但需注意内存存储特性,必要时可导出为永久文件。

明道的博客 1129

多维聚合不是GROUP BY:构建可导航数据立方体的工程实践

多维聚合本质上是构建支持上卷、下钻、切片与切块操作的分析立方体(OLAP Cube),其核心挑战在于维度层级管理、指标计算上下文一致性及跨粒度动态聚合。传统SQL GROUP BY仅解决单层分组,无法应对电商、SaaS、IoT等场景中地区/时间/品类/渠道等4+维度组合、日/周/月多时间粒度切换、以及复购率/环比率等派生指标的协同计算需求。通过星型模型规范维度建模、分层定义原子/派生/复合指标、结合GROUPING SETS、窗口函数与物化视图等技术手段,可实现高可复用、低耦合、易追溯的数据变形逻辑。本文聚

weixin_33755557的博客 422

企业级数据湖设计:分层契约、云原生架构与嵌入式治理

数据湖不是简单的海量存储,而是面向可发现、可理解、可信任、可审计、可服务五大能力的企业级数据供应链重构。其核心原理在于分层契约制——原始层保真、清洗层定义业务语义、整合层实现即插即用,配合Iceberg等现代表格式提供的ACID事务与时间旅行能力,解决传统Hadoop生态中存储计算耦合、元数据割裂与弹性失能等顽疾。技术价值体现在加速BI取数、支撑实时特征供给、满足GDPR/等保合规审计。典型应用场景覆盖金融风控建模、制造IoT时序分析、医药多模态临床数据治理。本文聚焦Data Lakes落地中的分层契约设计

weixin_30629653的博客 479

后端工程师必备:从CRUD到性能优化的SQL实战指南

SQL作为关系型数据库的核心查询语言,是实现数据持久化与操作的基础。其工作原理是通过声明式语法将操作指令转换为数据库引擎可执行的计划,从而高效管理数据。掌握SQL不仅能提升数据操作效率,更是保障应用性能与安全的关键。在工程实践中,无论是日常的增删改查(CRUD),还是复杂的多表关联与聚合分析,都离不开SQL的精准运用。尤其在处理海量数据时,索引优化、执行计划分析和慢查询调优成为后端开发的核心技能。本文聚焦于**SQL性能优化**与**SQL注入防范**两大实战要点,通过解析高频应用场景与常见陷阱,帮助开发者

weixin_30673611的博客 361

Tableau计算三层架构:基本计算、表计算与LOD表达式全解析

Tableau计算能力是数据分析从可视化迈向深度洞察的核心分水岭。其本质并非简单函数调用,而是由执行时机、作用域和数据粒度严格定义的三层计算体系:基本计算在数据源层预处理,表计算在视图结果集上动态运算,LOD表达式则通过FIXED/INCLUDE/EXCLUDE精准控制聚合粒度。这种分层机制决定了分析灵活性与性能边界——例如‘客户首单日期’必须用FIXED LOD而非MIN聚合,‘滚动环比’必须依赖表计算的计算依据配置。掌握该体系,才能稳定支撑动态目标达成率、CLV分群、漏斗转化等高频业务场景,真正将Tab

weixin_30776273的博客 324

多维聚合实战:破解GROUP BY在报表分析中的粒度与上下文陷阱

多维聚合是BI报表、OLAP分析和数据看板的核心技术,本质是在多个分类维度交叉下对指标进行有语义的汇总计算。其原理远超基础GROUP BY,涉及粒度对齐、上下文隔离、聚合路径控制及空值语义定义等关键机制。技术价值在于保障指标口径一致、避免重复计算与上下文坍缩,支撑可信决策。典型应用场景包括销售仪表盘的多维下钻、用户行为漏斗的跨维度归因、财务多维报表的自动小计生成,以及Power BI/Tableau中矩阵视图的动态汇总。本文聚焦真实项目中高频出现的‘总数对不上’‘指标翻倍’‘透视表结果失真’等现象,深入解析

weixin_30655569的博客 473

DaVinci Configurator实战:从DBC导入到通信栈配置全解析

本文详细解析了如何使用Vector DaVinci Configurator工具,从导入行业标准DBC文件开始,高效完成AutoSAR通信栈(包括COM、PduR、CanIf等模块)的自动化与精细化配置。文章通过实战步骤,重点阐述了DBC导入、与EB MCAL协同、核心模块参数调整及诊断标定服务集成等关键环节,旨在帮助汽车电子工程师快速掌握这一核心工具,提升开发效率与准确性。

weixin_29159127的博客 592

AlphaFold-multimer 复合物结构预测

是DeepMind开发的AlphaFold项目的一个扩展,旨在预测蛋白质多聚体的三维结构。蛋白质多聚体是由多个蛋白质亚单位相互组装而成的结构,如酶、膜蛋白复合物和病毒颗粒。理解多聚体的结构对于揭示蛋白质的功能和相互作用非常重要。

MurphyStar的博客 5646

多维聚合实战:从GROUP BY到数据立方体的工程跃迁

多维聚合是现代数据分析的核心范式,本质是将数据建模为可上卷、下钻、切片、旋转的N维立方体,突破传统SQL中单一GROUP BY的粒度限制。其技术价值在于实现一次计算、多维响应,支撑BI自助分析、实时风控、大促监控等高并发交互场景。关键能力依赖列式引擎(如StarRocks/ClickHouse)的物化视图与CUBE/ROLLUP语法,结合CTE链式操纵和维度建模,使聚合结果具备可编程性。本文聚焦真实业务中的多维操纵实践,覆盖从星型模型设计、CUBE组合优化,到Z-score标准化、动态占比计算等典型工程问题

weixin_30335353的博客 450

RAG项目简历包装指南:从“流水线工人”到“问题解决者”的跃迁(附代码与思路)

本文代码已在Python 3.11 + CUDA 12.3环境测试,部分功能需LangChain 0.2+支持。

Conan_0728的博客 1885

MySQL 入门

本文全面介绍了MySQL数据库及其相关技术,内容涵盖: 数据库基础概念:包括数据库系统组成、关系型与非关系型数据库对比、MySQL核心特点等; MySQL操作管理:详细讲解了安装配置、SQL语句分类、数据类型、索引原理等核心内容; 高级特性:深入分析事务、锁机制、存储引擎、主从复制等关键特性; 扩展架构:系统介绍了读写分离、集群部署、分库分表等企业级解决方案; 开发集成:提供了JDBC连接、MyCat中间件等实践指南。 文章采用结构化组织方式,从基础到高级层层递进,包含了大量实用性强的代码示例和配置模板

weixin_51689532的博客 1243

化工热力学软件:Aspen Plus二次开发_(9).过程控制与动态模拟v1

Aspen Plus 提供了丰富的过程控制工具和方法,可以用于静态和动态过程的模拟和控制策略的开发。通过控制回路设计、动态模拟、优化工具和数据交换接口,用户可以设计和优化各种复杂的控制策略,提高化工生产的稳定性和效率。此外,结合外部软件(如MATLAB、Simulink、LabVIEW等),可以实现更高级的控制策略,如自适应控制和模型预测控制,进一步提升过程控制的精度和灵活性。希望本文的内容能帮助用户更好地理解和应用Aspen Plus中的过程控制功能。

kkchenjj的博客 405

28、基准剂量法:原理、应用与计算详解

本文详细介绍了基准剂量法(BMD)的原理、在监管机构中的应用以及具体的计算方法。内容涵盖样本量与BMD的关系、主要监管机构如EPA对BMD的应用、BMD的模型选择与数据拟合过程、拟合优度评估、下置信限(BMDL)计算,以及实验设计对BMD结果的影响。同时,还讨论了剂量指标和响应选择的关键问题,为理解和应用基准剂量法提供了全面的参考。

info6的博客 280

MySQL入门到精通

分类 数据定义语言,用来定义数据库对象(数据库,表,字段) 表操作 查询 创建 数据类型 修改 删除 DML 数据操作语言,对数据进行增删改 改 删 DQL 数据查询语言,用来查询数据库中表的记录 条件查询练习 聚合函数 分组查询 where条件在分组前执行,having在分组后执行 where不能对聚合函数进行判断,having可以 练习 执行顺序:where > 聚合函数 > having 分组之后,查询的字段一般为聚合函数和分组字段,查询其他字段无任何意义 分页查询 练习 执行顺序

m0_37949220的博客 227

Android 13.0 framework层系统手势增加上滑手势home事件功能(相当于Home键)

在13.0的定制化开发系统手势功能的时候,客户需求要求在上滑手势的时候,在底部上滑时候进入系统桌面,也就是增加 home键功能,所以就需要分析相关的系统手势上滑事件,然后添加home事件这样 就可以实现这个功能了

安卓兼职framework和app工程师的博客 1132

数据分析师的四大底层基石:源结构、语义、粒度与时间锚点

在数据分析实践中,'数据质量'和'指标口径'是高频搜索的核心痛点,其根源往往不在建模或可视化,而在于对数据底层逻辑的理解缺失。数据源结构决定血缘可信度,字段语义定义保障口径一致性,观测粒度控制分析分辨率,时间锚点则锚定所有动态指标的业务意义。这四大要素共同构成数据可信性的基础框架,直接影响SQL查询准确性、BI报表稳定性及机器学习特征有效性。典型应用场景包括电商GMV归因、金融客户留存计算、制造业设备故障预警等需跨系统对齐的复杂分析任务。本文聚焦数据从业者的日常实操盲区,以企业级真实案例解构如何从源头筑牢分

weixin_33726318的博客 338

第23章:代码迁移——用AI将Vue2迁移到Vue3、将JS迁移到TS

> - 用AI自动将Vue2 Options API转为Vue3 Composition API的完整流程 > - 将JavaScript项目批量迁移到TypeScript,自动添加类型推导 > - 处理依赖冲突、破坏性变更和迁移后的验证方法 > - 一个完整的Vue2到Vue3迁移案例(含路由、状态管理) > - 我如何用AI将公司一个10万行代码的老项目从JS升级到TS

sfishfly的博客 207

QT5软件开发入门到项目实战PDF(配完整示例代码)(持续更新)

这是一套QT5软件开发入门到项目实战的教程,并配套了所有的案例完整代码,方便QT初学者快速入门;文章里包含了QT常用的控件使用介绍、多媒体应用、线程、网络编程、蓝牙、串口、应用发布、嵌入式设备环境部署、Android环境部署等;目前一共写了19章,627页,后续也会持续更新。

5万+

mysql数据库理论体系梳理

学习mysql,看这篇就够了

勇往直前的博客 1322

C# WinForm 基于DirectShow.dll编写的程序,可边预览边保存视频,音频和图片

基于微软的DirectShow.dll的二次开发1.自动识别连接的摄像头跟麦克风且可以对其进行选择(默认选中第一个)2.可录制wmv和avi两种格式的视频并且都带有音频,avi可以录制的分辨率和帧数进行选择,wmv默认进行了淸晰度优化如不喜欢可去除代码中有相关提示3.可在预览点开之后进行拍照,也可边录制视频边拍照4.添加了视频和音频的压缩功能(酌情使用)这次二次开发发现C#对DirectShow的相关信息太少,这次做完也不敢藏私共享出来,还望大家指正

Tableau LOD表达式本质解析:FIXED/INCLUDE/EXCLUDE粒度控制原理与实战

LOD(Level of Detail)表达式是Tableau中实现精准数据聚合的核心机制,其本质并非语法函数,而是对计算发生‘数据粒度层级’的显式声明。理解FIXED、INCLUDE、EXCLUDE三类协议,关键在于把握它们如何在Tableau三层计算引擎(提取层→视图层→LOD层)中重新锚定聚合上下文。FIXED强制锁定计算维度,实现跨视图基准值;INCLUDE在视图粒度上细化归因,支撑客户级LTV等穿透分析;EXCLUDE则主动降维,用于大类对标与异常诊断。掌握LOD可彻底解决筛选器导致指标漂移、同比

weixin_33827731的博客 352

Devexpress16.2.6破解工具

Devexpress16.2.6破解工具Devexpress16.2.6破解工具Devexpress16.2.6破解工具Devexpress16.2.6破解工具

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。

Tableau数据类型底层逻辑与实战清洗指南

数据类型是BI工具理解数据语义的基石,决定字段能否参与计算、聚合、地理编码和时间分层等核心能力。其本质是元数据驱动的类型推断机制,受样本行扫描、格式匹配、隐式转换等规则约束。Tableau对字符串、数值、日期等7类数据的识别并非绝对准确,混合类型、空格干扰、格式不一致等问题极易引发可视化异常、KPI失真或地图空白等工程故障。掌握元数据管理、计算字段柔性清洗、地理角色精准配置等技术,可系统性规避Desktop Specialist认证高频陷阱,并支撑真实业务场景下的数据可信分析。

397

jdk-8u144-linux-x64.tar.gz.

该资源为搭建Linux系统Java环境用,资源的后缀为tar.gz格式的压缩包

多维聚合中的数据操作:超越GROUP BY的六大核心动作

多维聚合是构建数据立方体(Cube)的基础能力,其本质在于对高维空间中维度组合的结构化汇总与语义化处理。它不仅涉及SUM、COUNT等基础聚合原理,更关键的是在聚合前后实施维度对齐、空值策略、粒度跃迁、比例分配、非加性度量处理和聚合后二次计算——这六大动作共同决定了指标的准确性、可解释性与工程稳定性。在数据仓库建模、BI语义层设计及OLAP分析实践中,忽视任一环节都可能导致同比失真、占比异常或下钻断层。本文聚焦真实业务场景下的多维数据操作范式,为数据工程师与分析师提供一套可落地、可审计、可复用的技术框架。

weixin_30512089的博客 389

多维聚合实战:从OLAP立方体到实时分析架构设计

多维聚合是商业智能与实时分析的核心技术,本质是将数据组织为可钻取、可切片、可上卷的语义化立方体(OLAP Cube),区别于传统SQL的简单GROUP BY。其底层依赖维度建模、位图索引、分层预聚合与层次结构语义等关键技术,解决高并发、低延迟、动态探索等典型场景需求。在ClickHouse、Druid、Trino等主流引擎中,多维聚合支撑着实时看板、营销归因、风控网络分析等关键应用。本文聚焦Data Manipulation in Multi-Dimensional Aggregation这一核心能力,结合

weixin_33691817的博客 416
上一篇: sql语法- 配合mybatis-plus 返回boolean
下一篇: sql语法 - WITH, ROW_NUMBER, 经典用法
han_hanker
博客等级 码龄13年 35粉丝 106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