当前位置: 首页 > news >正文

MySQL数值型函数详解

简介

本文主要讲解MySQL数值型函数,包括:ROUND、RAND、ABS、MOD、TRUNCATE、CEIL、CEILING、FLOOR、POW、POWER、SQRT、LOG、LOG2、LOG10、SIGN、PI

本文所有示例中,双横杠左边为执行的SQL语句,右边为执行语句的返回值。

ROUND函数

语法:ROUND(X)ROUND(X,D),返回对数值X四舍五入后的结果,如果带有参数D,则表示保留小数点后D位。

示例:

select ROUND(8);-- 8
select ROUND(8,1);-- 8
select ROUND(8.88);-- 9
select ROUND(8.18);-- 8
select ROUND(8.88,1);-- 8.9
select ROUND(8.18,1);-- 8.2

RAND函数

语法:RAND()RAND(N),如果不带参数,则表示生成[0-1)范围内(即大于等于0且小于1)的不重复的随机数,如果带随机数种子值参数N,则会生成可重复的随机数。

示例:

select RAND();-- 0.09054436263679001
select RAND();-- 0.19845362305497158
select RAND(1);-- 0.40540353712197724
select RAND(1);-- 0.40540353712197724

ABS函数

语法:ABS(X),求数值X的绝对值,若X是正数或者0,则返回其本身,若X是负数,则返回其对应的相反数。

示例:

select ABS(1.8);-- 1.8
select ABS(0);-- 0
select ABS(-8);-- 8

MOD函数

语法:MOD(N,M),返回N除以M后的余数,N和M都可以为小数或负数。

示例:

select MOD(8,3);-- 2
select MOD(-8,3);-- 返回:-2
select MOD(8,2);-- 0
select MOD(-8,2);-- 0
select MOD(1.8,2);-- 1.8
select MOD(8.8,2);-- 0.8
select MOD(8.8,1.8);-- 1.6

TRUNCATE函数

语法:TRUNCATE(X,D),若D为正数,则表示对X舍弃小数部分后D位,若D为负数,则表示对X舍弃整数部分后D位,且连同小数部分一起舍弃。

示例:

select TRUNCATE(8,1);-- 8
select TRUNCATE(8.88,1);-- 8.8
select TRUNCATE(0.18,1);-- 0.1
select TRUNCATE(-0.18,1);-- -0.1
select TRUNCATE(8888,-2);-- 8800
select TRUNCATE(8888.888,-2);-- 8800

CEIL或CEILING函数 

语法:CEIL(X)CEILING(X),两个函数效果相同,返回不小于X的最小整数,X可以为负数。

示例:

select CEIL(8.1);-- 9
select CEIL(8.8);-- 9
select CEIL(-8.8);-- 返回:-8
select CEIL(8);-- 8

FLOOR函数 

语法:FLOOR(X),返回不大于数值X的最大整数,X可以为负数。

示例:

select FLOOR(8.1);-- 8
select FLOOR(-8.8);-- 返回:-9
select FLOOR(8);-- 8

POW或POWER函数 

语法:POW(X,Y)POWER(X,Y),两个函数效果相同,返回X的Y次幂。

示例:

select POW(2,3);-- 8
select POW(1.8,3);-- 5.832000000000001

select POW(2,1.8);-- 3.4822022531844965
select POW(1.8,2.8);-- 5.18517017472299
select POW(-2,3);-- 返回:-8
select POW(2,-3);-- 0.125
select POW(-2,-3);-- 返回:-0.125
select POW(0,3);-- 0
select POW(8,0);-- 1
select POW(0,0);-- 1

SQRT函数 

语法:SQRT(X),返回数值X的平方根,若X为负数则会返回NULL。

示例:

select SQRT(64);-- 8
select SQRT(8);-- 2.8284271247461903
select SQRT(0);-- 0
select SQRT(64.8);-- 8.049844718999243

LOG函数 

语法:LOG(B,X)LOG(X),若同时带参数B和X,则表示获取B为底X的对数,若只带参数X,那就是自然对数,表示获取以常数e为底X的对数,若B或X中任一参数为0或负数,则返回NULL。

示例:

select LOG(2,8);-- 3
select LOG(1.8,8);-- 3.5377487545181276
select LOG(2,8.8);-- 3.137503523749935
select LOG(1.8,8.8);-- 3.69989972781419
select LOG(10);-- 2.302585092994046
select LOG(8.8);-- 2.174751721484161

LOG2或LOG10函数 

语法:LOG2(X)LOG10(X),两个函数分别返回以2和10为底X的对数。

示例:

select LOG2(8);-- 3
select LOG2(64);-- 6
select LOG10(10);-- 1
select LOG10(100);-- 2

SIGN函数 

语法:SIGN(X),返回数值X的符号,X大于0时,返回1,X等于0时,返回0,X小于0时,返回-1。

示例:

select SIGN(8);-- 1
select SIGN(0);-- 0
select SIGN(-8.8);-- 返回:-1

PI函数 

语法:PI(),返回π的值。

示例:

select PI();-- 3.141593

相关文章:

MySQL数值型函数详解

简介 本文主要讲解MySQL数值型函数,包括:ROUND、RAND、ABS、MOD、TRUNCATE、CEIL、CEILING、FLOOR、POW、POWER、SQRT、LOG、LOG2、LOG10、SIGN、PI。 本文所有示例中,双横杠左边为执行的SQL语句,右边为执行语句的返回值。 ROU…...

54.DataGrid数据框图 C#例子 WPF例子

首先是绑定一个属性&#xff0c;属性名称无所谓。到时候看属性设置的啥&#xff0c;可能要改。 <DataGrid ItemsSource"{Binding Index_instance}"/> 然后创建INotifyPropertyChanged的类&#xff0c;并把相关固定的代码粘贴上去。 然后把这个目录类建好&am…...

总结6..

背包问题的解决过程 在解决问题之前&#xff0c;为描述方便&#xff0c;首先定义一些变量&#xff1a;Vi表示第 i 个物品的价值&#xff0c;Wi表示第 i 个物品的体积&#xff0c;定义V(i,j)&#xff1a;当前背包容量 j&#xff0c;前 i 个物品最佳组合对应的价值&#xff0c;同…...

复位信号的同步与释放(同步复位、异步复位、异步复位同步释放)

文章目录 背景前言一、复位信号的同步与释放1.1 同步复位1.1.1 综述1.1.2 优缺点 1.2 recovery time和removal time1.3 异步复位1.3.1 综述1.3.2 优缺点 1.4 同步复位 与 异步复位1.5 异步复位、同步释放1.5.1 总述1.5.2 机理1.5.3 复位网络 二、思考与补充2.1 复…...

Gartner发布2025年网络治理、风险与合规战略路线图

新型网络风险和合规义务&#xff0c;日益成为网络治理、风险与合规实践面临的问题。安全和风险管理领导者可以参考本文&#xff0c;实现从被动、专注于合规的方法到主动、进一步自动化方法的转型。 主要发现 不断变化的监管环境和不断扩大的攻击面&#xff0c;使企业机构难以实…...

基于STM32的智能空气质量监测与净化系统设计

目录 引言系统设计 硬件设计软件设计 系统功能模块 空气质量检测模块自动净化模块数据显示与用户交互模块远程监控与数据上传模块 控制算法 空气质量检测与判断算法净化设备控制算法数据记录与远程反馈算法 代码实现 空气质量检测与显示代码自动净化与调节代码数据上传与远程控…...

人工智能之数学基础:线性代数中的线性相关和线性无关

本文重点 在线性代数的广阔领域中,线性相关与线性无关是两个核心概念,它们对于理解向量空间、矩阵运算、线性方程组以及人工智能等问题具有至关重要的作用。 定义与直观理解 当存在一组不全为0的数x1,x2,...,xn使得上式成立的时候,那么此时我们可以说向量组a1,a2...,an…...

08 工欲善其事必先利其器—常用类

1 字符串相关 1.1 String 所属包&#xff1a;java.lang 代表不可变的字符序列 注意&#xff1a;Java中&#xff0c;String是一个final类 1&#xff09;创建字符串方式 String a "hello"; // 开辟内存空间 String b new String("hello"); String d…...

Redis实战-初识Redis

初识Redis 1、Redis简介2、 Redis数据结构简介3、 Redis命令3.1 字符串3.2 列表3.3 集合3.4 散列3.5 有序集合3.6 发布与订阅3.7 其他命令3.7.1 排序3.7.2 过期时间 如有侵权&#xff0c;请联系&#xff5e; 如有错误&#xff0c;也欢迎批评指正&#xff5e; 本篇文章大部分是来…...

spring boot中实现手动分页

手动分页 UserMapper.xml <?xml version"1.0" encoding"UTF-8"?> <!DOCTYPE mapper PUBLIC "-//mybatis.org//DTD Mapper 3.0//EN" "http://mybatis.org/dtd/mybatis-3-mapper.dtd" > <mapper namespace"cn.m…...

【优选算法】5----有效三角形个数

又是一篇算法题&#xff0c;今天早上刚做的热乎的~ 其实我是想写博客但不知道写些什么&#xff08;就水一下啦&#xff09; -------------------------------------begin----------------------------------------- 题目解析: 这道题的题目算是最近几道算法题里面题目最短的&a…...

C++打字模拟

改进于 文宇炽筱_潜水 c版的打字效果_c自动打字-CSDN博客https://blog.csdn.net/2401_84159494/article/details/141023898?ops_request_misc%257B%2522request%255Fid%2522%253A%25227f97863ddc9d1b2ae9526f45765b1744%2522%252C%2522scm%2522%253A%252220140713.1301023…...

最新版pycharm如何配置conda环境

首先在conda prompt里创建虚拟环境&#xff0c;比如 conda create --prefix E:/projects/myenv python3.8然后激活 conda activate E:/projects/myenv往里面安装点自己的包&#xff0c;比如 conda install pytorch1.7.1 torchvision0.8.2 -c pytorch打开pycharm 注意&#x…...

UML-对象图(Object Diagram)

一、定义 UML对象图用于描述系统中对象的状态和相互关系,是类图的一个实例化版本,主要展示了类图中定义的关系在特定时间点的实际体现。它帮助开发者在设计阶段理解对象之间的实际关系、属性值和状态,从而支持系统设计的准确性与有效性。 二、组成要素 UML对象图主要由以…...

Jmeter 动态参数压力测试时间段预定接口

&#x1f3af; 本文档详细介绍了如何使用Apache JMeter进行压力测试&#xff0c;以评估预定接口在高并发场景下的性能表现。通过创建线程组模拟不同数量的用户并发请求&#xff0c;利用CSV文件动态配置时间段ID和用户token&#xff0c;确保了测试数据的真实性和有效性。文档中还…...

超大型集团合并报表数智管理转型

摘要&#xff1a;数字经济时代&#xff0c;数字化技术已成为驱动财务管理价值释放的重要引擎&#xff0c;数智化能力的提升是当前一流财务信息化建设的最新趋势。财务部门是企业的“数据交汇中心”和“信息加工中心”&#xff0c;通过对企业各项财务数据的分类、汇总和清晰呈现…...

[MCAL]Mcu配置

PostBuild: PreCompile: 选择时钟来源&#xff1b; 选择初始McuInitClock() 函数 电路手册里有晶振频率&#xff0c;如上所示&#xff1b;...

Qt基础项目篇——Qt版Word字处理软件

一、核心功能 本软件为多文档型程序&#xff0c;界面是标准的 Windows 主从窗口 拥有&#xff1a;主菜单、工具栏、文档显示区 和 状态栏。 所要实现的东西&#xff0c;均在下图了。 开发该软件&#xff0c;主要分为下面三个阶段 1&#xff09;界面设计开发 多窗口 MDI 程序…...

算法刷题笔记——图论篇

这里写目录标题 理论基础图的基本概念图的种类度 连通性连通图强连通图连通分量强连通分量 图的构造邻接矩阵邻接表 图的遍历方式 深度优先搜索理论基础dfs 与 bfs 区别dfs 搜索过程深搜三部曲所有可达路径广度优先搜索理论基础广搜的使用场景广搜的过程 岛屿数量孤岛的总面积沉…...

Java空指针异常处理:判空、Optional与Assert解析

在Java编程中&#xff0c;空指针异常&#xff08;NullPointerException&#xff09;是最常见的运行时错误之一。本文将深入探讨三种处理空指针异常的方法&#xff1a;传统的判空检查、Java 8引入的Optional类以及使用断言&#xff08;Assert&#xff09;。通过代码示例和应用场…...

如何判断提取的RNA是否可用?

在分子生物学实验中&#xff0c;RNA的质量直接决定下游实验的成败。那么&#xff0c;如何科学、系统地评价所提取的RNA是否合格呢&#xff1f;应从浓度、纯度与完整性三个维度综合判断&#xff0c;只有三者均达到标准&#xff0c;才能称为高质量RNA。一、质量评价的三项核心指标…...

终极指南:如何扩展Bloaty功能 - 自定义解析器和数据源开发完整教程

终极指南&#xff1a;如何扩展Bloaty功能 - 自定义解析器和数据源开发完整教程 【免费下载链接】bloaty Bloaty: a size profiler for binaries 项目地址: https://gitcode.com/gh_mirrors/bl/bloaty Bloaty二进制大小分析工具是一款强大的二进制文件大小分析工具&#…...

PE结构 ---> 9.RvaToFoa 内存状体到文件状态

目录 1. 为什么必须进行 RVA → FOA 转换&#xff1f;&#xff08;核心矛盾&#xff09; 2. 磁盘布局 vs 内存布局&#xff08;对比详解&#xff09; 3. RVA、VA、FOA 精确定义与关系 4. RvaToFoa 函数完整技术详解&#xff08;核心算法&#xff09; 5. 实战案例&#xff…...

细说杨乃武与小白菜案

提示&#xff1a;文章写完后&#xff0c;目录可以自动生成&#xff0c;如何生成可参考右边的帮助文档 文章目录前言一、案件二、精神分析学---心理防御机制三、关于我自己总结前言 一、案件 略&#xff0c;后面补 二、精神分析学—心理防御机制 在这个案件我主要关注县令和小…...

告别重复编码:用autoclaw在快马平台一键生成数据模型类提升效率

最近在开发一个Web应用时&#xff0c;我又遇到了那个老问题&#xff1a;每次新建数据表后&#xff0c;都要手动编写对应的模型类代码。这种重复劳动不仅耗时&#xff0c;还容易因为手误导致字段类型不匹配等问题。直到发现了InsCode(快马)平台的autoclaw功能&#xff0c;我的开…...

保姆级教程:用C++动态规划搞定字符串扩展距离问题(附完整代码和测试数据生成)

从零掌握字符串扩展距离&#xff1a;动态规划实战指南 字符串扩展距离问题在文本相似度计算、生物信息学中的DNA序列比对等领域有着广泛应用。这个看似简单的问题背后隐藏着动态规划思想的精妙运用。本文将带你从问题定义开始&#xff0c;逐步推导状态转移方程&#xff0c;最终…...

告别‘看图说话’:实战中雷达脉内调制信号的自动化特征提取与识别思路

雷达脉内调制信号自动化特征提取实战指南 在电子侦察和频谱监测领域&#xff0c;人工判读雷达信号的时频图正逐渐成为效率瓶颈。当面对海量采集数据时&#xff0c;如何从STFT生成的时频矩阵中自动提取具有判别力的特征&#xff0c;成为提升分析效率的关键突破点。本文将分享一套…...

小米智能家居与Home Assistant零门槛实战:从集成到优化全流程指南

小米智能家居与Home Assistant零门槛实战&#xff1a;从集成到优化全流程指南 【免费下载链接】ha_xiaomi_home Xiaomi Home Integration for Home Assistant 项目地址: https://gitcode.com/GitHub_Trending/ha/ha_xiaomi_home 小米智能家居集成项目&#xff08;ha_xia…...

3秒获取百度网盘提取码:开源智能工具的终极解决方案

3秒获取百度网盘提取码&#xff1a;开源智能工具的终极解决方案 【免费下载链接】baidupankey 项目地址: https://gitcode.com/gh_mirrors/ba/baidupankey 还在为百度网盘资源下载被提取码卡住而烦恼吗&#xff1f;baidupankey作为一款开源的百度网盘提取码智能获取工具…...

5W功耗实现25TOPS算力,LM2-100-V0算力模组破解AI安防核心难题

在智慧安防边缘AI应用快速部署需求的背景下&#xff0c;设备制造商常面临终端设备算力不足、功耗超标、体积受限、部署太慢等困境。模型越复杂&#xff0c;终端越吃力&#xff1b;设备要小型化&#xff0c;算力要打折扣&#xff1b;长期稳定运行&#xff0c;散热与功耗又成瓶颈…...