Hvordan kommentere i Python – En hurtigveiledning for nybegynnere
Hvordan kommentere i Python – En hurtigveiledning for nybegynnere
I denne bloggen vil vi diskutere hvordan du filtrerer i SQL. Vi vil forklare og vise noen eksempler som bruker filtreringsbetingelser som IN, NOT IN, LIKE og NOT LIKE .
Disse filtreringsbetingelsene brukes til å filtrere utdataene fra dataene. I stedet for å velge dem ved hjelp av flere kommandolinjer, vil det være lettere for deg å få tilgang til dataene.
Innholdsfortegnelse
Bruke IN og IKKE IN-operatører for å filtrere data i SQL
I dette eksemplet henter vi dataene fra ID-ene 1, 5 eller 7. De fleste vil bruke OR-betingelser .
Hvis du vil hente dataene fra flere ID-er, må du skrive flere ELLER-betingelser. Du kan imidlertid bruke IN-operatoren for å få de dataene du ønsker i stedet for å bruke OR-betingelser mange ganger.
Bruk av denne filtreringsbetingelsen vil gi oss samme utdata, som er dataene fra ID-ene 1, 5 eller 7. Tvert imot, hvis du ønsker å trekke ut dataene fra alle unntatt fra ID-ene 1, 5 og 7, ville du mest bruk sannsynligvis OR-betingelsen og <> (NOT EQUAL-operatoren).
I stedet for å skrive lange kommandoer, kan vi bruke NOT IN-operatoren .
Med denne filtreringsbetingelsen trekker du ut dataene bortsett fra ID-ene 1, 5 og 7.
Å bruke disse betingelsene vil spare deg for mye tid, og er samtidig en mye bedre måte å skrive på i stedet for å bruke flere ELLER-betingelser .
Bruke LIKE og NOT LIKE-operatører for å filtrere data i SQL
LIKE og IKKE LIKE ligner på IN og NOT IN-operatorene. I stedet for seg selv, vil den få delen av en streng. Husk at du kan bruke jokertegn eller spesialtegn som prosent (%) og understrek (_).
% betyr at den vil matche alle postene med den gitte strengen . Hvis vi matcher 86 og %, bør de to første sifrene være 86. Så den vil finne alle verdier som starter med 86.
Men hvis vi plasserer % på begge sider av 86, kan det komme fra hvilket som helst sted. Det kan komme fra starten, slutten eller midten. Så den vil finne alle verdier som har 86 i starten, midten eller slutten.
På den annen side samsvarer _ bare med 1 tegn. Hvis du bruker 86 og _ (86_), vil den se etter alle verdier som har 86 på 1. og 2. plassering som 860, 861, 862, og så videre og så videre. Hvis du bruker _ og 86 (_86), vil den se etter eventuelle verdier med 86 på 2. og 3. plassering.
I dette eksemplet bruker vi LIKE-operatoren for å få dataene som har strengen Mark . Vi trenger ganske enkelt å sette Mark i mellom % for å få en utgang som inneholder Mark .
På samme måte, hvis vi ikke vil trekke ut dataene som inneholder Mark , kan vi bruke NOT LIKE-operatoren . Sett så Mark i mellom %.
Denne gangen vil ikke utgangen inneholde Mark .
Bruke SQL-filtreringsbetingelsene i SSMS
Først åpner vi vårt (SQL Server Management Studio).
Deretter laster vi inn tabellen vi skal bruke. Vær oppmerksom på at databasen vi bruker er adventureworks2012, som finnes på Microsoft Documentation-nettstedet .
Klikk deretter på Utfør .
Etter det vil du se utdataene på fanen Resultater.
Deretter filtrerer vi utdataene basert på PersonType . Vi bruker kommandoen select distinct . Vi uthever kommandoen og klikker på Utfør .
Deretter vil du se utdataene som viser PersonType .
Deretter trekker vi ut postene fra PersonType IN , eller SP , eller SC . For denne bruker vi OR-betingelsen . Vi uthever kommandoen og klikker på utfør .
Du vil da se at antall rader er 19 254.
I stedet for å bruke OR-betingelsen , bruker vi imidlertid IN-operatoren . Så vi skriver inn kommandoen og markerer den. Klikk deretter på utfør .
Dette vil gi oss samme antall rader, som er 19 254 .
Hvis vi vil trekke ut alle dataene bortsett fra IN , SP og SC , bruker vi NOT IN-operatoren . Så la oss skrive kommandoen og markere den. Klikk deretter på utfør .
Dette vil gi oss alle dataene bortsett fra de som er fra IN , SP og SC .
Deretter bruker vi LIKE-operatoren til å trekke ut dataene som inneholder Rob fra kolonnen Fornavn . La oss bruke kommandoen, markere den og klikke på Utfør .
Som et resultat vil vi se at utdataene nå inneholder Rob i Fornavn- kolonnen. Siden vi brukte %, vil den vise alle data som har strengen Rob .
Til slutt bruker vi NOT LIKE-operatoren . I dette eksemplet ønsker vi å trekke ut dataene som ikke inneholder Rob . Så vi skriver inn koden, markerer den og klikker på Utfør.
Dette vil gi oss utdata som ikke viser noen post som inneholder Rob i Fornavn- kolonnen.
Konklusjon
For å oppsummere har vi diskutert hvordan du kan filtrere i SQL ved å bruke IN, NOT IN, LIKE og NOT LIKE-operatorer. Du har lært bruken og forskjellene deres, og i hvilken situasjon du kan bruke dem.
Disse operatørene er mer effektive enn å bruke OR-betingelsen . Du kan bruke disse operatorene til å filtrere og trekke ut dataene du ønsker fra databasen din i stedet for å bruke lengre kommandoer, så sørg for å bruke disse filtreringsbetingelsene riktig.
Beste ønsker,
Hafiz
Hvordan kommentere i Python – En hurtigveiledning for nybegynnere
Denne opplæringen gir en oversikt over Power Query Editor og M-språket på LuckyTemplates-skrivebordet.
Lær hvordan du lager en paginert rapport, legger til tekster og bilder og deretter eksporterer rapporten til ulike dokumentformater.
Lær hvordan du bruker SharePoint-automatiseringsfunksjonen til å lage arbeidsflyter og hjelpe deg med å mikroadministrere SharePoint-brukere, -biblioteker og -lister.
Utvid rapportutviklingsferdighetene dine ved å bli med i en dataanalyseutfordring. Akseleratoren kan hjelpe deg å bli en LuckyTemplates-superbruker!
Lær hvordan du beregner løpende totaler i LuckyTemplates ved hjelp av DAX. Løpende totaler lar deg ikke bli fanget opp i et individuelt resultat.
Forstå konseptet med variabler i DAX i LuckyTemplates og implikasjonene av variabler for hvordan målene dine beregnes.
Lær mer om det tilpassede visuelle bildet kalt LuckyTemplates Slope-diagram, som brukes til å vise økning/reduksjon for en enkelt eller flere beregninger.
Oppdag fargetemaene i LuckyTemplates. Disse er avgjørende for at rapportene og visualiseringene dine skal se ut og fungere sømløst.
Å beregne et gjennomsnitt i LuckyTemplates kan gjøres på mange måter for å gi deg nøyaktig informasjon for bedriftsrapportene dine.