当前位置: 首页 > news >正文

MySQL 基础学习(3):排序查询和条件查询

MySQL 查询与条件操作:详解与技巧

在本文中,我们将探讨 MySQL 中的查询操作及其相关功能,包括别名、去重、排序查询和条件查询等,并总结一些最佳实践和注意事项。

一、使用别名(AS)

在查询中,我们可以通过 AS 为列或表达式指定别名,使查询结果更易读。

示例

SELECT chinese + math + english AS total FROM exam_result;

这段语句会计算每位学生的总成绩,并用 total 表示结果列。

注意事项

  1. AS 可以省略,但建议写明以提高可读性。
  2. 别名只影响查询结果的列名,不会更改原始表结构。

二、去重查询

使用 DISTINCT 可以去除查询结果中的重复值。

示例

去除单列重复
SELECT DISTINCT math FROM exam_result;

该语句会返回 math 列中唯一的成绩。

去除多列重复
SELECT DISTINCT name, math FROM exam_result;

在多列去重中,只有在所有列的值都相同时,才会被视为重复。

注意事项

  1. DISTINCT 针对的是结果集,而不是原始表中的数据。
  2. 对于大数据量去重操作,可能会影响查询性能。

三、排序查询

通过 ORDER BY 对查询结果排序,可以指定升序(ASC)或降序(DESC)。

示例

单列排序
SELECT * FROM exam_result ORDER BY math DESC;

该语句会根据 math 列的成绩降序排列。

多列排序
SELECT * FROM exam_result ORDER BY math DESC, chinese ASC;

这会先按 math 降序排列,如果 math 相同,再按 chinese 升序排列。

注意事项

  1. 排序操作不会影响硬盘上的数据顺序,只针对查询结果。
  2. 大数据量排序可能会增加查询时间,建议结合索引优化。

四、条件查询

条件查询通过 WHERE 子句筛选符合特定条件的记录。

基本语法

SELECT 列名 FROM 表名 WHERE 条件;

示例

比较运算符
SELECT name, english FROM exam_result WHERE english < 60;

该语句会筛选出英语成绩小于 60 的学生。

逻辑运算符
  • AND: 所有条件必须满足。
  • OR: 任意一个条件满足即可。
  • NOT: 条件不满足时。
SELECT name FROM exam_result WHERE chinese > 80 AND english > 80;

该语句会筛选出语文和英语成绩都高于 80 的学生。

范围运算符
  • BETWEEN ... AND ...: 指定范围内的值。
SELECT name, chinese FROM exam_result WHERE chinese BETWEEN 80 AND 90;

这会筛选出语文成绩在 80 到 90 之间的学生。

模糊查询
  • LIKE: 用于匹配模式。
SELECT name FROM exam_result WHERE name LIKE '张%';

该语句会返回所有名字以“张”开头的学生。


五、表达式与计算

在查询中,可以使用表达式对列进行计算。

示例

SELECT name, chinese + math + english AS total FROM exam_result;

这会计算每位学生的总成绩,并显示为 total 列。

注意事项

  1. WHERE 子句中无法直接使用别名。例如:

    SELECT name, chinese + math + english AS total FROM exam_result WHERE total > 200;
    

    以上语句会报错。

    解决方法:将表达式直接写入 WHERE 子句:

    SELECT name, chinese + math + english AS total FROM exam_result WHERE chinese + math + english > 200;
    
  2. 避免复杂表达式重复书写,可以通过子查询优化。


六、总结

通过熟练掌握 MySQL 的别名、去重、排序和条件查询操作,你可以更高效地从数据库中提取和分析数据。在使用这些功能时,需要特别注意性能优化和语法细节,以确保查询的准确性和效率。如果你对本文有任何疑问或建议,欢迎留言讨论!

相关文章:

MySQL 基础学习(3):排序查询和条件查询

MySQL 查询与条件操作&#xff1a;详解与技巧 在本文中&#xff0c;我们将探讨 MySQL 中的查询操作及其相关功能&#xff0c;包括别名、去重、排序查询和条件查询等&#xff0c;并总结一些最佳实践和注意事项。 一、使用别名&#xff08;AS&#xff09; 在查询中&#xff0c…...

webAPI -DOM 相关知识点总结(非常细)

title: WebAPI语法 date: 2025-01-28 12:00:00 tags:- 前端 categories:- 前端WEB API 了解DOM的结构并掌握其基本的操作&#xff0c;体验 DOM 在开发中的作用 API简介 就是使用js来操作html和浏览器 什么是DOM? 就是一个文档对象模型&#xff0c;是用来呈现预计于任意htm…...

web集群

项目名称 基于keepalivednginx构建一个高可用、高性能的web集群 项目架构图 项目描述 构建一个基于nginx的7层负载均衡的web集群项目&#xff0c;模拟企业的业务环境达到构建一个高并发、高可用的web集群。通过压力测试来检验整个集群的性能&#xff0c;找出瓶颈&#xff0…...

Elasticsearch——Elasticsearch性能优化实战

摘要 本文主要介绍了 Elasticsearch 性能优化的实战方法&#xff0c;从硬件配置优化、索引优化设置、查询方面优化、数据结构优化以及集群架构设计等五个方面进行了详细阐述&#xff0c;旨在帮助读者提升 Elasticsearch 的性能表现。 1. 硬件配置优化 升级硬件设备配置一直都…...

不背单词快捷键(不背单词键盘快捷键)

文章目录 不背单词快捷键 不背单词快捷键 ᅟᅠ        ‌‍ᅟᅠ        ‌‍ᅟᅠ        ‌‍ᅟᅠ        ‌‍ᅟᅠ        ‌‍ᅟᅠ        ‌‍ᅟᅠ        ‌‍ᅟᅠ        ‌‍ᅟᅠ        ‌‍ᅟᅠ    …...

kafka-保姆级配置说明(consumer)

bootstrap.servers #deserializer应该与producer保持对应 #key.deserializer #value.deserializer ##fetch请求返回时&#xff0c;至少获取的字节数&#xff0c;默认值为1 ##当数据量不足时&#xff0c;客户端请求将会阻塞 ##此值越大&#xff0c;客户端请求阻塞的时间越长&…...

1.五子棋对弈python解法——2024年省赛蓝桥杯真题

问题描述 原题传送门&#xff1a;1.五子棋对弈 - 蓝桥云课 "在五子棋的对弈中&#xff0c;友谊的小船说翻就翻&#xff1f;" 不&#xff01;对小蓝和小桥来说&#xff0c;五子棋不仅是棋盘上的较量&#xff0c;更是心与心之间的沟通。这两位挚友秉承着"友谊第…...

python3+TensorFlow 2.x(三)手写数字识别

目录 代码实现 模型解析&#xff1a; 1、加载 MNIST 数据集&#xff1a; 2、数据预处理&#xff1a; 3、构建神经网络模型&#xff1a; 4、编译模型&#xff1a; 5、训练模型&#xff1a; 6、评估模型&#xff1a; 7、预测和可视化结果&#xff1a; 输出结果&#xff…...

杨辉三角(蓝桥杯2021年H)

输入一个数字&#xff0c;看杨辉三角压缩矩阵第几个数与之相等。 #include<iostream> using namespace std; /* typedef struct Node {int* data;int size;Node* next; }Node,*Linklist; */ int C(int a,int b) {//求解组合数int c 1,div 1;if (b 0) {c 1;}else {fo…...

【蓝桥杯嵌入式入门与进阶】2.与开发板之间破冰:初始开发板和原理图2

个人主页&#xff1a;Icomi 专栏地址&#xff1a;蓝桥杯嵌入式组入门与进阶 大家好&#xff0c;我是一颗米&#xff0c;本篇专栏旨在帮助大家从0开始入门蓝桥杯并且进阶&#xff0c;若对本系列文章感兴趣&#xff0c;欢迎订阅我的专栏&#xff0c;我将持续更新&#xff0c;祝你…...

C++ queue

队列用vector<int>好不好 不好 为什么&#xff1f; 因为队列是先进先出 vector没有提供头删&#xff08;效率太低&#xff09; 要强制适配也可以 就得用erase函数和begin函数了 库里面的队列是不支持vector<int>的 queue实现 #pragma once #include<vector…...

【MySQL-7】事务

目录 1. 整体学习思维导图 2. 什么是事务 2.1 事务的概念 2.2 事务的属性(ACID) 2.3 事务出现的原因 2.4 查看存储引擎对事务的支持 3. 事务的使用 3.1 事务的提交方式 3.1.1 手动提交 3.1.2 自动提交 结论&#xff1a; 3.2 事务的隔离级别 3.2.1 理解隔离 3.2.2…...

03链表+栈+队列(D1_链表(D1_基础学习))

目录 一、什么是链表 二、基本操作 三、为什么要使用链表 四、为什么能够在常数时间访问数组元素 数组优点 数组缺点 五、动态数组诞生 链表优点 链表缺点 六、链表、数组和动态数组的对比 七、 链表种类 1. 单向链表 2. 双向链表 3. 循环链表 八、链表衍生 ...…...

Git 出现 Please use your personal access token instead of the password 解决方法

目录 前言1. 问题所示2. 原理分析3. 解决方法前言 1. 问题所示 执行Git提交代码的时候,出现如下所示: lixiaosong@IT07 MINGW64 /f/java_project/JavaDemo (master) $ git push -u origin --all libpng warning: iCCP: known incorrect sRGB profile libpng warning...

AI大模型开发原理篇-1:语言模型雏形之N-Gram模型

N-Gram模型概念 N-Gram模型是一种基于统计的语言模型&#xff0c;用于预测文本中某个词语的出现概率。它通过分析一个词语序列中前面N-1个词的出现频率来预测下一个词的出现。具体来说&#xff0c;N-Gram模型通过将文本切分为长度为N的词序列来进行建模。 注意&#xff1a;这…...

STM32新建不同工程的方式

新建工程的方式 1. 安装开发工具 MDK5 / keil52. CMSIS 标准3. 新建工程3.1 寄存器版工程3.2 标准库版工程3.3 HAL/LL库版工程3.4 HAL库、LL库、标准库和寄存器对比3.5 库开发和寄存器的关系 4. STM32CubeMX工具的作用 1. 安装开发工具 MDK5 / keil5 MDK5 由两个部分组成&#…...

【Rust自学】14.5. cargo工作空间(Workspace)

喜欢的话别忘了点赞、收藏加关注哦&#xff0c;对接下来的教程有兴趣的可以关注专栏。谢谢喵&#xff01;(&#xff65;ω&#xff65;) 14.4.1. 为什么需要cargo workspace 假如说我们构建了一个二进制crate&#xff0c;里面既有library又有库。随着项目规模不断增长&#…...

全面了解 Web3 AIGC 和 AI Agent 的创新先锋 MelodAI

不管是在传统领域还是 Crypto&#xff0c;AI 都是公认的最有前景的赛道。随着数字内容需求的爆炸式增长和技术的快速迭代&#xff0c;Web3 AIGC&#xff08;AI生成内容&#xff09;和 AI Agent&#xff08;人工智能代理&#xff09;正成为两大关键赛道。 AIGC 通过 AI 技术生成…...

10.3 LangChain实战指南:解锁大模型应用的10大核心场景与架构设计

LangChain实战指南:解锁大模型应用的10大核心场景与架构设计 关键词: LangChain使用场景、LLM应用案例、检索增强生成、智能体开发、知识库问答 一、LangChain场景全景图:从简单到复杂的应用分层 #mermaid-svg-nzjpyXIPLzL0j3PG {font-family:"trebuchet ms",ver…...

Swing使用MVC模型架构

什么是MVC模式? MVC是一组英文的缩写,其全名是Model-View-Controller,也就是“模型-视图-控制器”这三个部分组成。这三个部分任意一个部分发生变化都会引起另外两个发生变化。三者之间的关系示意图如下所示: MVC分为三个部分,所以在MVC模型中将按照此三部分分成三…...

Prisma与GraphQL游标分页实战:基于Relay规范的高性能实现

1. 项目概述与核心价值如果你正在用 Prisma 和 GraphQL 构建后端服务&#xff0c;并且需要实现一个高性能、体验流畅的分页功能&#xff0c;那么zoontek/prisma-cursor-pagination这个库很可能就是你一直在找的“瑞士军刀”。分页&#xff0c;尤其是基于游标的分页&#xff0c;…...

惠普OMEN游戏本性能优化终极指南:如何用开源工具彻底释放硬件潜力

惠普OMEN游戏本性能优化终极指南&#xff1a;如何用开源工具彻底释放硬件潜力 【免费下载链接】OmenSuperHub 使用 WMI BIOS控制性能和风扇速度&#xff0c;自动解除DB功耗限制。 项目地址: https://gitcode.com/gh_mirrors/om/OmenSuperHub 还在为惠普OMEN游戏本官方软…...

开源项目metabase-mcp-server:用MCP协议连接Metabase与AI智能体,实现对话式数据分析

1. 项目概述&#xff1a;当开源BI工具遇上AI智能体如果你和我一样&#xff0c;在日常工作中既要用Metabase做数据可视化看板&#xff0c;又要和Claude、Cursor这类AI助手打交道&#xff0c;那你肯定也遇到过这样的痛点&#xff1a;想问问AI“上个月华东区的销售额趋势”&#x…...

基于Rust构建AI智能体平台:架构设计与工程实践

1. 从零到一&#xff1a;构建你自己的AI智能体平台最近几年&#xff0c;大语言模型&#xff08;LLM&#xff09;的爆发式发展&#xff0c;让“智能体”&#xff08;Agent&#xff09;从一个学术概念&#xff0c;迅速变成了提升工作效率的利器。你可能用过一些现成的AI工具&…...

计算内存(CIM)技术解析与AI硬件加速实践

1. 计算内存&#xff08;CIM&#xff09;技术解析&#xff1a;突破传统架构的能效瓶颈 在AI硬件加速领域&#xff0c;计算内存&#xff08;Compute-in-Memory, CIM&#xff09;正引发一场架构革命。传统冯诺依曼架构中"内存墙"问题已成为制约AI计算效率的主要瓶颈——…...

【临床研究者必藏】Perplexity+Lancet联合检索SOP:从预印本争议到正式发表的全周期追踪方案

更多请点击&#xff1a; https://intelliparadigm.com 第一章&#xff1a;PerplexityLancet联合检索SOP的临床价值与范式变革 在循证医学实践加速数字化的当下&#xff0c;Perplexity&#xff08;基于语义理解与推理增强的检索引擎&#xff09;与《The Lancet》开放文献元数据…...

基于Next.js 15与React 19构建现代化个人作品集:技术选型与工程实践

1. 项目概述&#xff1a;为什么选择 Next.js 15 构建现代个人作品集 作为一名在前后端领域摸爬滚打了十多年的开发者&#xff0c;我见过也亲手搭建过无数种个人作品集网站。从早期的纯静态 HTML/CSS&#xff0c;到 jQuery 时代&#xff0c;再到 React/Vue 等框架的兴起&#x…...

利用Google可编程搜索引擎API实现免费高效的Python搜索自动化

1. 项目概述&#xff1a;一个被低估的搜索利器 如果你经常需要从Google上批量、自动化地获取搜索结果&#xff0c;并且对搜索结果的质量、速度和稳定性有要求&#xff0c;那你一定遇到过官方API的种种限制&#xff0c;或者对第三方付费服务望而却步。今天要聊的这个项目 chhan…...

慕尼黑电子展:洞察汽车电子、工业物联网与功率半导体技术趋势

1. 从慕尼黑看全球电子产业&#xff1a;一场技术与商业的“双向奔赴”又到了双数年的十一月&#xff0c;全球电子工程师和产业领袖的目光&#xff0c;不约而同地再次聚焦于德国慕尼黑。没错&#xff0c;Electronica——这个被誉为全球电子元器件行业“晴雨表”的顶级盛会&#…...

技术指标库 Pandas TA 详细使用手册

Pandas TA 详细使用手册&#xff1a;从入门到精通 一、简介与安装 Pandas TA 是一个专为金融时间序列分析打造的技术分析库&#xff0c;它扩展了 Pandas DataFrame&#xff0c;提供 130 种技术指标、60 种K线形态识别功能。它的核心优势在于与 Pandas 深度集成&#xff0c;让你…...