当前位置: 首页 > news >正文

MySQL单表查询

单表查询
素材: 表名:worker-- 表中字段均为中文,比如 部门号 工资 职工号 参加工作 等
CREATE TABLE `worker` (
 `部门号` int(11) NOT NULL,
 `职工号` int(11) NOT NULL,
 `工作时间` date NOT NULL,
 `工资` float(8,2) NOT NULL,
 `政治面貌` varchar(10) NOT NULL DEFAULT '群众',
 `姓名` varchar(20) NOT NULL,
 `出生日期` date NOT NULL,`年龄` date NOT NULL,
 PRIMARY KEY (`职工号`)
) ENGINE=InnoDB DEFAULT CHARSET=utf8 ROW_FORMAT=DYNAMIC;
INSERT INTO `worker` (`部门号`, `职工号`, `工作时间`, `工资`, `政治面貌`, `姓名`, `出生
日期`) VALUES (101, 1001, '2015-5-4', 3500.00, '群众', '张三', '1990-7-1');
INSERT INTO `worker` (`部门号`, `职工号`, `工作时间`, `工资`, `政治面貌`, `姓名`, `出生
日期`) VALUES (101, 1002, '2017-2-6', 3200.00, '团员', '李四', '1997-2-8');
INSERT INTO `worker` (`部门号`, `职工号`, `工作时间`, `工资`, `政治面貌`, `姓名`, `出生
日期`) VALUES (102, 1003, '2011-1-4', 8500.00, '党员', '王亮', '1983-6-8');
INSERT INTO `worker` (`部门号`, `职工号`, `工作时间`, `工资`, `政治面貌`, `姓名`, `出生
日期`) VALUES (102, 1004, '2016-10-10', 5500.00, '群众', '赵六', '1994-9-5');
INSERT INTO `worker` (`部门号`, `职工号`, `工作时间`, `工资`, `政治面貌`, `姓名`, `出生
日期`) VALUES (102, 1005, '2014-4-1', 4800.00, '党员', '钱七', '1992-12-30');
INSERT INTO `worker` (`部门号`, `职工号`, `工作时间`, `工资`, `政治面貌`, `姓名`, `出生
日期`) VALUES (102, 1006, '2017-5-5', 4500.00, '党员', '孙八', '1996-9-2');

1、显示所有职工的基本信息。
mysql> select * from worker; 

2、查询所有职工所属部门的部门号,不显示重复的部门号。  
 select distinct `部门号` from worker; 

3、求出所有职工的人数。select count(*) from worker;

 

4、列出最高工和最低工资。
select max(`工资`) as '最高工资',min(`工资`) as '最低工资' from worker; 

5、列出职工的平均工资和总工资。
select avg(`工资`) as '平均工资',sum(`工资`) as '总工资' from worker; 

6、创建一个只有职工号、姓名和参加工作的新表,名为工作日期表。 
create table `工作日期表` ( `职工号` int,`姓名` varchar (10),`参加工作`date); 

8、列出所有姓赵的职工的职工号、姓名和出生日期。

 select `职工号`,`姓名`,`出生日期` from worker where `姓名` like '赵%'; 

9、列出1990年以前出生的职工的姓名、参加工作日期。
 select `姓名`,`工作时间` from worker where `出生日期` < '1990-1-1'; 

10、列出工资在3000-5000之间的所有职工姓名。
 select `姓名` from worker where `工资` >= 3000 and `工资` <= 5000; 

11、列出所有王姓和李姓的职工姓名。
 select `姓名` from worker where `姓名` like '王%' or `姓名` like '李%';

 

12、列出所有部门号为102的职工号、姓名、党员否。
select `职工号`,`姓名`,`政治面貌` from worker where `部门号` = 102; 

13、将职工表worker中的职工按出生的先后顺序排序。
select * from worker order by `出生日期` asc;

 

14、显示工资最高的前3名职工的职工号和姓名。
  select `职工号`,`姓名` from worker where `工资` order by `工资` desc limit 3; 

15、求出各部门党员的人数。 

select count(*) as '党员的人数' from worker where `政治面貌` = '党员'; 

16、统计各部门的工资和平均工资
 select sum(工资) as '101总工资' from worker where `部门号` = '101'; 

select avg(工资) as '101平均工资' from worker where `部门号` = '101'; 

select sum(工资) as '102总工资' from worker where `部门号` = '102'; 

select avg(工资) as '102平均工资' from worker where `部门号` = '102'; 

17、列出总人数大于3的部门号和总人数。
 select `部门号`,count(*) `总人数` from worker group by `部门号` having count(部门号) > 3; 

 

相关文章:

MySQL单表查询

单表查询 素材&#xff1a; 表名&#xff1a;worker-- 表中字段均为中文&#xff0c;比如 部门号 工资 职工号 参加工作 等 CREATE TABLE worker ( 部门号 int(11) NOT NULL, 职工号 int(11) NOT NULL, 工作时间 date NOT NULL, 工资 float(8,2) NOT NULL, 政治面貌 varch…...

苹果正在测试新款Mac mini:搭载M3芯片 配备24GB大内存

据悉苹果目前正在测试新的Mac机型&#xff0c;亮点是采用最新的M3芯片。 据报道&#xff0c;首款搭载M3芯片的设备应该是13英寸的MacBook Pro和重新设计的MacBook Air&#xff0c;Mac mini机型并不在名单上。 M3和M2同样拥有最多8个核心&#xff0c;分别为4个性能核和4个能效核…...

redis的缓存更新策略以及如何保证redis与数据库的数据一致性

redis的缓存更新策略有这么几种&#xff1a; 1、由应用直接和redis以及数据库相连接&#xff1a; 查询数据时&#xff0c;应用去redis中查询&#xff0c;查不到的话再由应用去数据库中查询&#xff0c;并将查询结果放在redis&#xff1b; 更新数据时&#xff…...

k8s--使用cornJob定时执行sql文件

CronJob apiVersion: batch/v1beta1 kind: CronJob metadata:name: hello spec:schedule: "0 * * * *"jobTemplate:spec:template:spec:containers:- name: postgres-alpineimage: xxxximagePullPolicy: IfNotPresentcommand:- psql- -h- 数据库服务地址- -d- 数据库…...

Qt事件过滤器

1 介绍 事件过滤器是一种机制&#xff0c;当某个QObject没有所需要的事件功能时&#xff0c;可将其委托给其它QObject&#xff0c;通过eventFilter成员函数来过滤实现功能。 2 主要构成 委托&#xff1a; ui->QObject1->installEventFilter(QObject2); eventFilter声明 …...

Java基础集合框架学习(上)

文章目录 初识基础框架为什么使用集合框架集合框架的继承关系ArrayList入门案例单元测试和增删改查单元测试的注意事项LinkedList入门案例ArrayList底层是数组LinkedList底层是链表ArrayList和LinkedList选型ArrayList存放DOG对象 初识基础框架 Java基础集合框架是Java编程语言…...

北京多铁克FPGA笔试题目

1、使用D触发器来实现二分频 2、序列检测器&#xff0c;检测101&#xff0c;输出1&#xff0c;其余情况输出0 module Detect_101(input clk,input rst_n,input data, //输入的序列output reg flag_101 //检测到101序列的输出标志 );parameter S0 2d0;S1 2d1;S2 2d2;S4 …...

从初学者的角度来理解指针常量和常量指针

重新理解指针常量&#xff0c;常量指针 应用 我先提一个问题&#xff1a;知道指针常量&#xff0c;常量指针存在的作用是什么吗&#xff1f; 先了解它们存在的作用再去理解它们&#xff0c;或许更轻松些。 比如配置文件读取&#xff1a;在许多工程中&#xff0c;配置文件用于…...

C# OpenCvSharp 去水印 图像修复

效果 项目 VS2022.net4.8OpenCvSharp4 代码 using System; using System.Collections.Generic; using System.ComponentModel; using System.Data; using System.Drawing; using System.IO; using System.Linq; using System.Security.Cryptography; using System.Text; usi…...

考研算法第40天:众数 【模拟,简单题】

题目 本题收获 又是一道比较简单的模拟题&#xff0c;就不说解题思路了&#xff0c;说一下中间遇到的问题吧&#xff0c;就是说cin输入它是碰到空格就停止输入的&#xff0c;详细的看下面这篇博客对于cin提取输入流遇到空格的问题_while(cin) 空格_就是那个党伟的博客-CSDN博…...

MySQL:内置函数、复合查询和内外连接

内置函数 select 函数; 日期函数 字符串函数 数学函数 其它函数 复合查询&#xff08;多表查询&#xff09; 实际开发中往往数据来自不同的表&#xff0c;所以需要多表查询。本节我们用一个简单的公司管理系统&#xff0c;有三张 表EMP,DEPT,SALGRADE来演示如何进行多表查询…...

【HTML】label 标签

在HTML中&#xff0c;<label> 标签用于为表单元素创建标签文本或标题。它可以与输入字段&#xff08;如文本框、单选按钮、复选框等&#xff09;和其他表单元素关联起来&#xff0c;以提高可用性和可访问性。 <label> 元素有两种常见的用法&#xff1a; 包裹方式…...

python视频流截图(按帧数)

一、安装opencv计算机视觉库 pip install opencv-python二、视频流截图 1、读取视频文件&#xff0c;获取视频帧数 import cv2 # 视频位置 video_path path_file_name # 读取视频 cap cv2.VideoCapture(video_path) # 获取视频总帧数 frame_count cap.get(cv2.CAP_PROP_F…...

MongoDB SQL

Microsoft Windows [版本 6.1.7601] 版权所有 (c) 2009 Microsoft Corporation。保留所有权利。C:\Users\Administrator>cd C:\MongoDB\Server\3.4\binC:\MongoDB\Server\3.4\bin> C:\MongoDB\Server\3.4\bin> C:\MongoDB\Server\3.4\bin>net start MongoDB 请求的…...

node js连接mysql数据库

首先&#xff0c;确保你已经安装了 mysql2 模块。如果没有安装&#xff0c;可以使用以下命令进行安装&#xff1a; npm install mysql2创建一个 Node.js 脚本&#xff0c;例如 connectToMysql.js&#xff0c;并使用以下代码&#xff1a; const mysql require(mysql2);// 创建…...

通过Python模拟计算附近WIFI密码,没有我蹭不到的网

前言 大家早好、午好、晚好吖 ❤ ~欢迎光临本文章 今天来分享一下如何通过 Python 脚本实现 WIFI 密码的自动猜解 无图形界面 先来看看怎么实现没有图形界面版的自动猜解。 WIFI猜解 导入模块 import pywifi from pywifi import const import time import datetime测试连…...

ubuntu20.04 远程桌面配置记录【亲测好用】

简介 ubuntu系统下有好几种不同方式的远程桌面方式&#xff0c;本人都使用过&#xff0c;以下是一些使用总结&#xff1a; vnc4server&#xff1a;其中vnc4server对gnome桌面支持不好 vino&#xff1a;系统自带&#xff0c;但需要用户登录一次后才能远程&#xff0c;并且需要安…...

解决selenium的“can‘t access dead object”错误

目录 问题描述 原因 解决方法 示例代码 资料获取方法 问题描述 在python执行过程中&#xff0c;提示selenium.common.exceptions.WebDriverException: Message: TypeError: cant access dead object 原因 原因是代码中用到了frame,获取元素前需要切换到frame才能定位到…...

Docker Dockerfile 使用方法

目录 Dockerfile 介绍 Dockerfile 示例 Dockerfile 介绍 当使用Docker构建容器化应用程序时&#xff0c;Dockerfile是一个用于定义容器镜像的文本文件。它包含了一系列指令&#xff0c;告诉Docker如何从基础镜像&#xff08;通常是官方或自定义的操作系统镜像&#xff09;构…...

(6)(6.3) 复合连接的故障处理

文章目录 6.3 复合连接的故障处理 6.4 相关话题 6.3 复合连接的故障处理 带有 F7 或 H7 处理器并有 CAN 接口的自动驾驶仪使用的固件提供两个 USB 接口。一个用于正常的 MAVLink 连接&#xff0c;一个用于 SLCAN 串行连接到 CAN 接口进行配置和固件更新。这被称为复合型 USB…...

如何快速解密QQ音乐加密文件:终极QMC解密工具完全指南

如何快速解密QQ音乐加密文件&#xff1a;终极QMC解密工具完全指南 【免费下载链接】qmc-decoder Fastest & best convert qmc 2 mp3 | flac tools 项目地址: https://gitcode.com/gh_mirrors/qm/qmc-decoder 你是否曾经下载了QQ音乐的文件&#xff0c;却发现在其他播…...

Camera Graph™全域拓扑:普陀海岛场景下人员无感跨镜跟踪,ID永续不跳变

一、前言&#xff1a;海岛跨镜追踪的行业痛点与范式革命 1.1 传统方案的致命缺陷&#xff08;海岛场景失效&#xff09; - ReID/外观匹配&#xff1a;海岛多雾、逆光、遮挡、服饰相似、视角剧变&#xff0c;特征漂移、误关联、ID频繁跳变、断链率&#xff1e;60%&#xff0…...

Lychee Rerank MM开源可部署:GitHub可获取完整代码+Dockerfile+文档

Lychee Rerank MM开源可部署&#xff1a;GitHub可获取完整代码Dockerfile文档 1. 项目概述 Lychee Rerank MM 是一个基于 Qwen2.5-VL 构建的高性能多模态重排序系统。由哈工大&#xff08;深圳&#xff09;自然语言处理团队开发&#xff0c;专门解决多模态检索场景中的精准语…...

卡证检测矫正模型边防应用:边境地区居民证件图像离线矫正方案

卡证检测矫正模型边防应用&#xff1a;边境地区居民证件图像离线矫正方案 边境地区的日常工作中&#xff0c;处理居民身份证、护照、驾照等证件是高频且关键的业务。无论是边民登记、通关查验还是日常管理&#xff0c;工作人员常常需要手动拍摄或接收大量角度各异、光线不一的…...

Git-RSCLIP模型训练全流程:从数据准备到模型评估

Git-RSCLIP模型训练全流程&#xff1a;从数据准备到模型评估 1. 引言 如果你对多模态AI感兴趣&#xff0c;想要亲手训练一个能够理解图像和文本关系的模型&#xff0c;那么Git-RSCLIP绝对是个不错的起点。这个基于改进CLIP架构的模型&#xff0c;通过对比学习让计算机学会理解…...

intv_ai_mk11企业安全实践:对话数据不出内网,敏感信息过滤策略配置

intv_ai_mk11企业安全实践&#xff1a;对话数据不出内网&#xff0c;敏感信息过滤策略配置 1. 企业AI对话机器人的安全挑战 随着AI对话机器人在企业中的广泛应用&#xff0c;数据安全问题日益突出。intv_ai_mk11作为企业级AI助手&#xff0c;在处理日常业务咨询、技术支持和创…...

AutoGen Studio实战:用Qwen3-4B模型打造你的专属AI客服助手

AutoGen Studio实战&#xff1a;用Qwen3-4B模型打造你的专属AI客服助手 1. 引言&#xff1a;为什么你需要一个AI客服助手&#xff1f; 想象一下这个场景&#xff1a;你的在线商店在深夜突然涌入大量咨询&#xff0c;客户询问产品规格、物流信息、售后政策。你的客服团队已经下…...

AI时代新型的项目管理应该是什么样的?众

AI训练存储选型的演进路线 第一阶段&#xff1a;单机直连时代 早期的深度学习数据集较小&#xff0c;模型训练通常在单台服务器或单张GPU卡上完成。此时直接将数据存储在训练机器的本地NVMe SSD/HDD上。 其优势在于IO延迟最低&#xff0c;吞吐量极高&#xff0c;也就是“数据离…...

像素史诗·智识终端Anaconda数据科学环境快速搭建与模型管理

像素史诗智识终端Anaconda数据科学环境快速搭建与模型管理 1. 前言&#xff1a;为什么选择Anaconda 在数据科学和AI研究领域&#xff0c;环境管理一直是个让人头疼的问题。不同项目需要的Python版本、库版本经常冲突&#xff0c;手动管理依赖就像在玩俄罗斯方块——迟早会崩溃…...

Xmake进阶指南---打造高效Qt开发工作流

1. 为什么选择Xmake构建Qt项目&#xff1f; 第一次接触Qt开发的朋友&#xff0c;往往会被官方推荐的qmake或CMake构建工具劝退。我至今记得五年前接手一个遗留Qt项目时&#xff0c;面对.pro文件中晦涩的语法和复杂的平台条件判断&#xff0c;整整花了两天才让项目正常编译。直到…...