oracle 单行函数

oracle 单行函数

操作数据库:最快的是sql语句

 

1.字符函数

select lower('Hello World')  转小写 , upper('hello world ') 转大写,initcap('hello world') 首字母大写 from dual;

2.字符控制函数

substr(a,b) 从a中第b位开始取  select sub('123457890' ,2) 子串 from dual;

substr(a,b,c) 从a中第b位开始取c位

instr(a,b) 从a串中找b  找到返回位置  从1开始  select instr('Hello world' ,'ll')  位置 from dual;

length 字符数  lengthb 字节数  select length("aaaaa") 字符数  from dual;

lpad左填充  rpad 右填充   select lpad('abc',10,'*')  左填充,rpad('abc','10','_')  右填充  from dual;

trim()   select trim('H' from 'Hello WorldH') from dual;

replace()   select replace('hello world','l','*') from dual;

3.数字函数

round(45.761, 2)  45.76   round(45.761, -2)  0  四舍五入

trunc(45.761, 2)  45.76    trunc(45.761, -1)  40  截断

mod(1600,300)  100  求余

4.日期

mysql 中 有time 和datetime  oracle中只有date(包含日期和时间)

查询当前时间   sysdate     select sysdate from dual; 默认格式是 DD-MON-RR

格式化  to_char   select to_char(sysdate,'yyyy-mm-dd hh24:mi:ss') from dual;

5.日期的数学运算

  1)在日期上加上或减去一个数字(单位是天)结果仍为日期

     select sysdate-1 昨天,sysdate 今天,sysdate+1 明天 from dual;

  2)日期可以相减,不能相加 

    举例说明:计算员工的工龄:天 星期  月 年

    select ename 名字,hiredate 入职日期,sysdate-hiredate  天,months_between(systdate,hiredate)  月 from dual;

6.日期函数

months_between 两个日期相差的月份 

add_months 向指定日期中加上若干月数

last_day本月的最后一天 

next_day 下一个星期日  select next_day(sysdate,'星期二') from dual;应用在每个星期一自动备份数据...分布式数据库 快照  触发器

round()   round(sysdate,'MONTH')   round(sysdate,'year')

trunc()

7.转换函数

  1)数据类型的转换  

      a.隐士数据类型转换 

    

 

       b.显式数据转换

        

    to_char 函数  对日期的转换  to_char(date,'format_model')

      

      select to_char(sysdate,'yyyy-mm-dd hh24:mi;ss"今天是"day') from dual;

       to_char 函数 对数字的处理

           to_char(number,'format_model')

        

        查询员工薪水 (两位小数,千位符,本地货币代码)

        select to_char(sal,'L9,999.99') from emp;

  反过来就是to_number  to_date

8.通用函数(适用于任意数据类型,同时也适用于空值)

  nvl(expr1,expr2)虑空

  nvl2(expr1,expr2,expr3)虑空

  nullif(expr1,expr2) 当expr1等于expr2的时候返回null,不等就返回expr1

  coalesce(expr1,expr2,expr3,...)  返回第一个不为空的值

9.条件表达式

  需求:根据员工的职位涨工资,返回涨之前和涨之后的工资

  case 

      

   

 

  decode  oracle  自己的函数

 

   

 

 

   

 

posted @ 2017-04-15 16:49 酸奶加绿茶 阅读( ...) 评论( ...) 编辑 收藏
内容概要:本文针对火电厂参与直购交易挤占风电上网空间的问题,提出了一种风火打捆参与大用户直购交易的新模式。通过分析可再生能源配额机制下的双边博弈关系,建立了基于动态非合作博弈理论的博弈模型,以直购电价和直购电量为决策变量,实现双方收益均衡最大化。论文论证了纳什均衡的存在性,并提出了基于纳什谈判法的风-火利益分配方法。算例结果表明,该模式能够增各方收益、促进风电消纳并提高电网灵活性。文中详细介绍了模型构建、成本计算和博弈均衡的实现过程,并通过Python代码复现了模型,包括参数定义、收益函数、纳什均衡求解、利益分配及可视化分析等功能。 适合人群:电力系统研究人员、能源政策制定者、从事电力市场交易的工程师和分析师。 使用场景及目标:①帮助理解风火打捆参与大用户直购交易的博弈机制;②为电力市场设计提供理论依据和技术支持;③评估不同政策(如可再生能源配额)对电力市场的影响;④通过代码实现和可视化工具辅助教学和研究。 其他说明:该研究不仅提供了理论分析,还通过详细的代码实现和算例验证了模型的有效性,为实际应用提供了参考。此外,论文还探讨了不同场景下的敏感性分析,如证书价格、风电比例等对市场结果的影响,进一步丰富了研究内容。
资源下载链接为: https://pan.quark.cn/s/d37d4dbee12c A:计算机视觉,作为人工智能领域的关键分支,致力于赋予计算机系统 “看懂” 世界的能力,从图像、视频等视觉数据中提取有用信息并据此决策。 其发展历程颇为漫长。早期图像处理技术为其奠基,后续逐步探索三维信息提取,与人工智能结合,又经历数学理论深化、机器学习兴起,直至当下深度学习引领浪潮。如今,图像生成和合成技术不断发展,让计算机视觉更深入人们的日常生活。 计算机视觉综合了图像处理、机器学习、模式识别和深度学习等技术。深度学习兴起后,卷积神经网络成为核心工具,能自动提炼复杂图像特征。它的工作流程,首先是图像获取,用相机等设备捕获视觉信息并数字化;接着进行预处理,通过滤波、去噪等操作提升图像质量;然后进入关键的特征提取和描述环节,提炼图像关键信息;之后利用这些信息训练模型,学习视觉模式和规律;最终用于模式识别、分类、对象检测等实际应用。 在实际应用中,计算机视觉用途极为广泛。在安防领域,能进行人脸识别、目标跟踪,保障公共安全;在自动驾驶领域,帮助车辆识别道路、行人、交通标志,实现安全行驶;在医疗领域,辅助医生分析医学影像,进行疾病诊断;在工业领域,用于产品质量检测、机器人操作引导等。 不过,计算机视觉发展也面临挑战。比如图像生成技术带来深度伪造风险,虚假图像和视频可能误导大众、扰乱秩序。为此,各界积极研究检测技术,以应对这一问题。随着技术持续进步,计算机视觉有望在更多领域发挥更大作用,进一步改变人们的生活和工作方式 。
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