Oplev unik indsigt ved hjælp af LuckyTemplates TOPN-funktion
Denne blog indeholder LuckyTemplates TOPN DAX-funktionen, som giver dig mulighed for at få unik indsigt fra dine data, hvilket hjælper dig med at træffe bedre markedsføringsbeslutninger.
I denne blog vil vi diskutere, hvordan man filtrerer i SQL. Vi vil forklare og vise nogle eksempler, der bruger filtreringsbetingelser såsom IN, NOT IN, LIKE og NOT LIKE .
Disse filtreringsbetingelser bruges til at filtrere outputtet fra dataene. I stedet for at vælge dem ved hjælp af flere kommandolinjer, vil det være lettere for dig at få adgang til dataene.
Indholdsfortegnelse
Brug af IN og IKKE IN-operatører til at filtrere data i SQL
I dette eksempel får vi dataene fra ID 1, 5 eller 7. De fleste vil bruge OR-betingelser .
Hvis du vil have data fra flere ID'er, skal du skrive flere ELLER-betingelser. Du kan dog bruge IN-operatoren til at få de data, du ønsker, i stedet for at bruge OR-betingelser mange gange.
Brug af denne filtreringsbetingelse vil give os det samme output, som er dataene fra ID'erne 1, 5 eller 7. Tværtimod, hvis du ønsker at udtrække dataene fra alle undtagen fra ID'erne 1, 5 og 7, ville du mest brug sandsynligvis OR-betingelsen og <> (NOT EQUAL-operator).
I stedet for at skrive lange kommandoer, kan vi bruge NOT IN-operatoren .
Med denne filtreringsbetingelse vil du udtrække dataene undtagen id'erne 1, 5 og 7.
Brug af disse betingelser vil spare dig for masser af tid, og det er samtidig en meget bedre måde at skrive på i stedet for at bruge flere OR-betingelser .
Brug LIKE og NOT LIKE-operatører til at filtrere data i SQL
LIKE og NOT LIKE ligner IN og NOT IN operatorerne. I stedet for sig selv vil den få delen af en streng. Husk, at du kan bruge jokertegn eller specialtegn som procent (%) og understregning (_).
% betyder , at det vil matche alle posterne med den givne streng. Hvis vi matcher 86 og %, skal de første to cifre være 86. Så den finder alle værdier, der starter med 86.
Men hvis vi placerer % på begge sider af 86, kan det komme fra et hvilket som helst sted. Det kan komme fra starten, slutningen eller midten. Så den finder alle værdier, der har 86 i starten, midten eller slutningen.
På den anden side matcher _ kun 1 tegn. Hvis du bruger 86 og _ (86_), vil den lede efter værdier, der har 86 på 1. og 2. position som 860, 861, 862, og så videre og så videre. Hvis du bruger _ og 86 (_86), vil den lede efter værdier med 86 på 2. og 3. position.
I dette eksempel bruger vi LIKE-operatoren til at få de data, der har strengen Mark . Vi skal simpelthen sætte Mark imellem % for at få et output, der indeholder Mark .
På samme måde, hvis vi ikke ønsker at udtrække de data, der indeholder Mark , kan vi bruge NOT LIKE-operatoren . Sæt derefter Mark imellem %.
Denne gang vil outputtet ikke indeholde Mark .
Brug af SQL-filtreringsbetingelserne i SSMS
Først åbner vi vores (SQL Server Management Studio).
Dernæst indlæser vi tabellen, som vi skal bruge. Bemærk, at den database, vi bruger, er adventureworks2012, som kan findes på Microsofts dokumentationswebsted .
Klik derefter på Udfør .
Derefter vil du se outputtet på fanen Resultater.
Derefter filtrerer vi outputtet baseret på PersonType . Vi bruger kommandoen select distinct . Vi fremhæver kommandoen og klikker på Udfør .
Så vil du se outputtet, der viser PersonType .
Dernæst vil vi udtrække posterne fra PersonType IN eller SP eller SC . Til denne bruger vi OR-betingelsen . Vi fremhæver kommandoen og klikker på udfør .
Du vil så se, at antallet af rækker er 19.254.
Men i stedet for at bruge OR-betingelsen , bruger vi IN-operatoren . Så vi skriver kommandoen og fremhæver den. Klik derefter på udfør .
Dette vil give os det samme antal rækker, som er 19.254 .
Hvis vi vil udtrække alle data undtagen IN , SP og SC , bruger vi NOT IN-operatoren . Så lad os skrive kommandoen og fremhæve den. Klik derefter på udfør .
Dette vil give os alle data undtagen dem, der er fra IN , SP og SC .
Dernæst bruger vi LIKE-operatoren til at udtrække de data, der indeholder Rob fra kolonnen Fornavn . Lad os bruge kommandoen, fremhæve den og klikke på Udfør .
Som et resultat vil vi se, at outputtet nu indeholder Rob i kolonnen Fornavn . Da vi brugte %, vil det vise alle data, der har strengen Rob .
Til sidst bruger vi NOT LIKE-operatoren . I dette eksempel ønsker vi at udtrække de data, der ikke indeholder Rob . Så vi skriver koden, fremhæver den og klikker derefter på Udfør.
Dette vil give os det output, der ikke viser nogen post, der indeholder Rob i kolonnen Fornavn .
Konklusion
For at opsummere har vi diskuteret, hvordan man filtrerer i SQL ved hjælp af IN, NOT IN, LIKE og NOT LIKE operatorer. Du har lært deres brug og deres forskelle, og i hvilken situation du kan bruge dem.
Disse operatører er mere effektive end at bruge OR-betingelsen . Du kan bruge disse operatorer til at filtrere og udtrække de data, du ønsker fra din database, i stedet for at bruge længere kommandoer, så sørg for at bruge disse filtreringsbetingelser korrekt.
Alt det bedste,
Hafiz
Denne blog indeholder LuckyTemplates TOPN DAX-funktionen, som giver dig mulighed for at få unik indsigt fra dine data, hvilket hjælper dig med at træffe bedre markedsføringsbeslutninger.
Find ud af, hvorfor det er vigtigt at have en dedikeret datotabel i LuckyTemplates, og lær den hurtigste og mest effektive måde at gøre det på.
Denne korte vejledning fremhæver LuckyTemplates mobilrapporteringsfunktion. Jeg vil vise dig, hvordan du kan udvikle rapporter effektivt til mobilenheder.
I denne LuckyTemplates Showcase gennemgår vi rapporter, der viser professionel serviceanalyse fra et firma, der har flere kontrakter og kundeengagementer.
Gå gennem de vigtigste opdateringer til Power Apps og Power Automate og deres fordele og implikationer for Microsoft Power Platform.
Opdag nogle almindelige SQL-funktioner, som vi kan bruge, såsom streng, dato og nogle avancerede funktioner til at behandle eller manipulere data.
I denne tutorial lærer du, hvordan du opretter din perfekte LuckyTemplates-skabelon, der er konfigureret til dine behov og præferencer.
I denne blog vil vi demonstrere, hvordan man lagdelte feltparametre med små multipler for at skabe utrolig nyttig indsigt og visuals.
I denne blog vil du lære, hvordan du bruger LuckyTemplates rangerings- og brugerdefinerede grupperingsfunktioner til at segmentere et eksempeldata og rangordne det efter kriterier.
I denne tutorial vil jeg dække en specifik teknik omkring, hvordan du kun viser Kumulativ Total op til en bestemt dato i dine visuals i LuckyTemplates.