<?xml version="1.0" encoding="utf-8" ?><rss version="2.0"><channel><title><![CDATA[wszfe的博客]]></title><description><![CDATA[]]></description><link>https://blog.youkuaiyun.com/wszfe</link><language>zh-cn</language><generator>https://blog.youkuaiyun.com/</generator><copyright><![CDATA[Copyright &copy; wszfe]]></copyright><item><title><![CDATA[2.4 创建视图]]></title><link>https://blog.youkuaiyun.com/wszfe/article/details/148291130</link><guid>https://blog.youkuaiyun.com/wszfe/article/details/148291130</guid><author>wszfe</author><pubDate>Thu, 12 Jun 2025 20:53:53 +0800</pubDate><description><![CDATA[因为越来越多的表连接+子查询会十分复杂，所以可以将这些查询or子查询存在视图里，下一次还可以继续使用这些视图，而不需要再写一次查询。这样的查询十分频繁，所以可以直接保存为视图，在其他地方进行使用。views中将会显示我们创建的视图。]]></description><category></category></item><item><title><![CDATA[（高频SQL50题）196.删除重复的电子邮箱]]></title><link>https://blog.youkuaiyun.com/wszfe/article/details/147057404</link><guid>https://blog.youkuaiyun.com/wszfe/article/details/147057404</guid><author>wszfe</author><pubDate>Tue, 08 Apr 2025 08:44:07 +0800</pubDate><description><![CDATA[表:Personid 是该表的主键列(具有唯一值的列)。该表的每一行包含一封电子邮件。电子邮件将不包含大写字母。编写解决方案所有重复的电子邮件，只保留一个具有最小id的唯一电子邮件。（对于 SQL 用户，请注意你应该编写一个DELETE语句而不是SELECT语句。（对于 Pandas 用户，请注意你应该直接修改Person表。运行脚本后，显示的答案是Person表。驱动程序将首先编译并运行您的代码片段，然后再显示Person表。Person表的最终顺序。返回结果格式如下示例所示。]]></description><category></category></item><item><title><![CDATA[（高频SQL50题）1667. 修复表中的名字]]></title><link>https://blog.youkuaiyun.com/wszfe/article/details/147044854</link><guid>https://blog.youkuaiyun.com/wszfe/article/details/147044854</guid><author>wszfe</author><pubDate>Mon, 07 Apr 2025 15:24:03 +0800</pubDate><description><![CDATA[表：Usersuser_id 是该表的主键(具有唯一值的列)。该表包含用户的 ID 和名字。名字仅由小写和大写字符组成。编写解决方案，修复名字，使得只有第一个字符是大写的，其余都是小写的。返回按user_id排序的结果表。返回结果格式示例如下。]]></description><category></category></item><item><title><![CDATA[2.3 MySQL基本内置函数]]></title><link>https://blog.youkuaiyun.com/wszfe/article/details/146974851</link><guid>https://blog.youkuaiyun.com/wszfe/article/details/146974851</guid><author>wszfe</author><pubDate>Thu, 03 Apr 2025 10:30:39 +0800</pubDate><description><![CDATA[【练习】将下面的sql语句改成使用日期函数sql语句。]]></description><category></category></item><item><title><![CDATA[（高频SQL50题）1978.上级经理已离职的公司员工]]></title><link>https://blog.youkuaiyun.com/wszfe/article/details/146973831</link><guid>https://blog.youkuaiyun.com/wszfe/article/details/146973831</guid><author>wszfe</author><pubDate>Thu, 03 Apr 2025 10:12:01 +0800</pubDate><description><![CDATA[表:Employees在 SQL 中，employee_id 是这个表的主键。这个表包含了员工，他们的薪水和上级经理的id。有一些员工没有上级经理（其 manager_id 是空值）。查找这些员工的id，他们的薪水严格少于$30000并且他们的上级经理已离职。当一个经理离开公司时，他们的信息需要从员工表中删除掉，但是表中的员工的manager_id这一列还是设置的离职经理的id。返回的结果按照从小到大排序。]]></description><category></category></item><item><title><![CDATA[（高频SQL50题）1789.员工的直属部门]]></title><link>https://blog.youkuaiyun.com/wszfe/article/details/146939237</link><guid>https://blog.youkuaiyun.com/wszfe/article/details/146939237</guid><author>wszfe</author><pubDate>Wed, 02 Apr 2025 11:27:00 +0800</pubDate><description><![CDATA[Employee这张表的主键为 employee_id, department_id (具有唯一值的列的组合)employee_id 是员工的IDdepartment_id 是部门的ID，表示员工与该部门有关系primary_flag 是一个枚举类型，值分别为('Y', 'N'). 如果值为'Y',表示该部门是员工的直属部门。如果值是'N',则否一个员工可以属于多个部门。当一个员工加入的时候，他需要决定哪个部门是他的直属部门。]]></description><category></category></item><item><title><![CDATA[（高频SQL50题）1731.每位经理的下属员工数量]]></title><link>https://blog.youkuaiyun.com/wszfe/article/details/146906019</link><guid>https://blog.youkuaiyun.com/wszfe/article/details/146906019</guid><author>wszfe</author><pubDate>Tue, 01 Apr 2025 11:28:53 +0800</pubDate><description><![CDATA[Employeesemployee_id 是这个表中具有不同值的列。该表包含员工以及需要听取他们汇报的上级经理的 ID 的信息。有些员工不需要向任何人汇报（reports_to 为空）。对于此问题，我们将至少有一个其他员工需要向他汇报的员工，视为一个经理。编写一个解决方案来返回需要听取汇报的所有经理的 ID、名称、直接向该经理汇报的员工人数，以及这些员工的平均年龄，其中该平均年龄需要四舍五入到最接近的整数。返回的结果集需要按照进行排序。]]></description><category></category></item><item><title><![CDATA[2.2 使用子查询编写复杂查询 ]]></title><link>https://blog.youkuaiyun.com/wszfe/article/details/145204254</link><guid>https://blog.youkuaiyun.com/wszfe/article/details/145204254</guid><author>wszfe</author><pubDate>Sun, 23 Mar 2025 13:20:13 +0800</pubDate><description><![CDATA[写一段SQL，在sql_store库、products表中查询所有比生菜更贵的产品。]]></description><category></category></item><item><title><![CDATA[（高频SQL50题）1251. 平均售价]]></title><link>https://blog.youkuaiyun.com/wszfe/article/details/146451990</link><guid>https://blog.youkuaiyun.com/wszfe/article/details/146451990</guid><author>wszfe</author><pubDate>Sun, 23 Mar 2025 09:50:20 +0800</pubDate><description><![CDATA[Prices(product_id，start_date，end_date) 是prices表的主键（具有唯一值的列的组合）。prices表的每一行表示的是某个产品在一段时期内的价格。每个产品的对应时间段是不会重叠的，这也意味着同一个产品的价格时段不会出现交叉。UnitsSold该表可能包含重复数据。该表的每一行表示的是每种产品的出售日期，单位和产品 id。编写解决方案以查找每种产品的平均售价。应该。如果产品没有任何售出，则假设其平均售价为 0。返回结果表。结果格式如下例所示。]]></description><category></category></item><item><title><![CDATA[（高频SQL50题）1661. 每台机器的进程平均运行时间]]></title><link>https://blog.youkuaiyun.com/wszfe/article/details/146436762</link><guid>https://blog.youkuaiyun.com/wszfe/article/details/146436762</guid><author>wszfe</author><pubDate>Sat, 22 Mar 2025 11:25:34 +0800</pubDate><description><![CDATA[表:Activity该表展示了一家工厂网站的用户活动。(machine_id, process_id, activity_type) 是当前表的主键（具有唯一值的列的组合）。machine_id 是一台机器的ID号。process_id 是运行在各机器上的进程ID号。activity_type 是枚举类型 ('start', 'end')。timestamp 是浮点类型,代表当前时间(以秒为单位)。]]></description><category></category></item><item><title><![CDATA[（高频SQL50题）197. 上升的温度]]></title><link>https://blog.youkuaiyun.com/wszfe/article/details/146341457</link><guid>https://blog.youkuaiyun.com/wszfe/article/details/146341457</guid><author>wszfe</author><pubDate>Tue, 18 Mar 2025 14:49:38 +0800</pubDate><description><![CDATA[表：Weatherid 是该表具有唯一值的列。没有具有相同 recordDate 的不同行。该表包含特定日期的温度信息编写解决方案，找出与之前（昨天的）日期相比温度更高的所有日期的id。返回结果。结果格式如下例子所示。Weather 表：+----+| id |+----+| 2  || 4  |+----+2015-01-02 的温度比前一天高（10 -> 25）2015-01-04 的温度比前一天高（20 -> 30）]]></description><category></category></item><item><title><![CDATA[12.3 Hu矩函数]]></title><link>https://blog.youkuaiyun.com/wszfe/article/details/146161874</link><guid>https://blog.youkuaiyun.com/wszfe/article/details/146161874</guid><author>wszfe</author><pubDate>Mon, 10 Mar 2025 19:24:16 +0800</pubDate><description><![CDATA[Hu 矩是归一化中心矩的线性组合。Hu 矩在图像旋转、缩放、平移等操作后，仍能保持矩 的不变性，所以经常会使用 Hu 距来识别图像的特征。]]></description><category></category></item><item><title><![CDATA[12.2 矩特征]]></title><link>https://blog.youkuaiyun.com/wszfe/article/details/146161839</link><guid>https://blog.youkuaiyun.com/wszfe/article/details/146161839</guid><author>wszfe</author><pubDate>Mon, 10 Mar 2025 19:22:15 +0800</pubDate><description><![CDATA[比较两个轮廓最简单的方法是比较二者的轮廓矩。轮廓矩代表了一个轮廓、一幅图像、一 组点集的全局特征。矩信息包含了对应对象不同类型的几何特征，例如大小、位置、角度、形 状等。矩特征被广泛地应用在模式识别、图像识别等方面。]]></description><category></category></item><item><title><![CDATA[4.1 设计数据库]]></title><link>https://blog.youkuaiyun.com/wszfe/article/details/146136075</link><guid>https://blog.youkuaiyun.com/wszfe/article/details/146136075</guid><author>wszfe</author><pubDate>Sun, 09 Mar 2025 18:19:50 +0800</pubDate><description><![CDATA[utf8 最长字节为 3，假如有一张表，其中有一列的类型为 char（10），表示固定长度的字符串，代表不管实际使用了 1 个字符还是 10 个字符，MySQL 还是机会保留 10 个字符串的空间，如果使用的 utf8 字符集，MySQL 则会为每个字符串预留最大字节数 3，这个列则会为每个单元格预留 10×3 的空间，也就是 30 个字节，如果这张表有 100 万记录，MySQL 则会为这张表配置 3000 万个字节的空间。删除操作也同理，假如表里存储的信息时财务信息，我们可能。]]></description><category></category></item><item><title><![CDATA[12.1 查找并绘制轮廓]]></title><link>https://blog.youkuaiyun.com/wszfe/article/details/145606770</link><guid>https://blog.youkuaiyun.com/wszfe/article/details/145606770</guid><author>wszfe</author><pubDate>Thu, 13 Feb 2025 10:40:11 +0800</pubDate><description><![CDATA[返回值 contours 的 type 属性是 list 类型，list 的每个元素都是图像的一个轮廓，用 Numpy中的 ndarray 结构表示。每一个轮廓都是由若干个像素点构成的，点的个数不固定，具体个数取决于轮廓的形状。一般情况下，都是将图像处理为二 值图像后，再将其作为 image 参数使用的。其中，函数的返回值为 image，表示目标图像，即绘制了边缘的原始图像。该返回值返回的是一组轮廓信息，每个轮廓都是由若干个点所构成的。该返回值与参数 image 是一致的，就是原始输入图像。]]></description><category></category></item><item><title><![CDATA[11.3 拉普拉斯金字塔]]></title><link>https://blog.youkuaiyun.com/wszfe/article/details/145606720</link><guid>https://blog.youkuaiyun.com/wszfe/article/details/145606720</guid><author>wszfe</author><pubDate>Thu, 13 Feb 2025 10:38:28 +0800</pubDate><description><![CDATA[【代码】11.3 拉普拉斯金字塔。]]></description><category></category></item><item><title><![CDATA[11.2 采样可逆性的研究]]></title><link>https://blog.youkuaiyun.com/wszfe/article/details/145606695</link><guid>https://blog.youkuaiyun.com/wszfe/article/details/145606695</guid><author>wszfe</author><pubDate>Thu, 13 Feb 2025 10:37:36 +0800</pubDate><description><![CDATA[虽然一幅图像在先后经过向下采样、向上采样后，会恢复为原始大小，但是向上采样和向 下采样不是互逆的。也就是说，虽然在经历两次采样操作后，得到的结果图像与原始图像的大 小一致，肉眼看起来也相似，但是二者的像素值并不是一致的。]]></description><category></category></item><item><title><![CDATA[11.1 图像金字塔]]></title><link>https://blog.youkuaiyun.com/wszfe/article/details/145342110</link><guid>https://blog.youkuaiyun.com/wszfe/article/details/145342110</guid><author>wszfe</author><pubDate>Fri, 24 Jan 2025 15:34:56 +0800</pubDate><description><![CDATA[【代码】11.1 图像金字塔。]]></description><category></category></item><item><title><![CDATA[10. Canny边缘检测]]></title><link>https://blog.youkuaiyun.com/wszfe/article/details/145342088</link><guid>https://blog.youkuaiyun.com/wszfe/article/details/145342088</guid><author>wszfe</author><pubDate>Fri, 24 Jan 2025 15:33:27 +0800</pubDate><description><![CDATA[Canny 边缘检测分为如下几个步骤。步骤 1:去噪。噪声会影响边缘检测的准确性，因此首先要将噪声过滤掉。步骤 2:计算梯度的幅度与方向。步骤 3:非极大值抑制，即适当地让边缘“变瘦”。步骤 4:确定边缘。使用双阈值算法确定最终的边缘信息。下面对上述步骤分别进行简单的介绍。]]></description><category></category></item><item><title><![CDATA[【机器学习实战】SVM]]></title><link>https://blog.youkuaiyun.com/wszfe/article/details/145197111</link><guid>https://blog.youkuaiyun.com/wszfe/article/details/145197111</guid><author>wszfe</author><pubDate>Fri, 17 Jan 2025 09:03:32 +0800</pubDate><description><![CDATA[【代码】【机器学习实战】SVM。]]></description><category></category></item></channel></rss>