Filtrer i SQL ved å bruke IN, NOT IN, LIKE og NOT LIKE

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 .

Filtrer i SQL ved å bruke IN, NOT IN, LIKE og NOT LIKE

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.

Filtrer i SQL ved å bruke IN, NOT IN, LIKE og NOT LIKE

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).

Filtrer i SQL ved å bruke IN, NOT IN, LIKE og NOT LIKE

I stedet for å skrive lange kommandoer, kan vi bruke NOT IN-operatoren .

Filtrer i SQL ved å bruke IN, NOT IN, LIKE og NOT LIKE

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. 

Filtrer i SQL ved å bruke IN, NOT IN, LIKE og NOT LIKE

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

Filtrer i SQL ved å bruke IN, NOT IN, LIKE og NOT LIKE

På samme måte, hvis vi ikke vil trekke ut dataene som inneholder Mark , kan vi bruke NOT LIKE-operatoren . Sett så Mark i mellom %.

Filtrer i SQL ved å bruke IN, NOT IN, LIKE og NOT LIKE

Denne gangen vil ikke utgangen inneholde Mark .

Bruke SQL-filtreringsbetingelsene i SSMS

Først åpner vi vårt (SQL Server Management Studio).

Filtrer i SQL ved å bruke IN, NOT IN, LIKE og NOT LIKE

Deretter laster vi inn tabellen vi skal bruke. Vær oppmerksom på at databasen vi bruker er adventureworks2012, som finnes på Microsoft Documentation-nettstedet .

Filtrer i SQL ved å bruke IN, NOT IN, LIKE og NOT LIKE

Klikk deretter på Utfør .

Filtrer i SQL ved å bruke IN, NOT IN, LIKE og NOT LIKE

Etter det vil du se utdataene på fanen Resultater.

Filtrer i SQL ved å bruke IN, NOT IN, LIKE og NOT LIKE

Deretter filtrerer vi utdataene basert på PersonType . Vi bruker kommandoen select distinct . Vi uthever kommandoen og klikker på Utfør .

Filtrer i SQL ved å bruke IN, NOT IN, LIKE og NOT LIKE

Deretter vil du se utdataene som viser PersonType .

Filtrer i SQL ved å bruke IN, NOT IN, LIKE og NOT LIKE

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 .

Filtrer i SQL ved å bruke IN, NOT IN, LIKE og NOT LIKE

Du vil da se at antall rader er 19 254.

Filtrer i SQL ved å bruke IN, NOT IN, LIKE og NOT LIKE

I stedet for å bruke OR-betingelsen , bruker vi imidlertid IN-operatoren . Så vi skriver inn kommandoen og markerer den. Klikk deretter på utfør .

Filtrer i SQL ved å bruke IN, NOT IN, LIKE og NOT LIKE

Dette vil gi oss samme antall rader, som er 19 254 .

Filtrer i SQL ved å bruke IN, NOT IN, LIKE og NOT LIKE

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 .

Filtrer i SQL ved å bruke IN, NOT IN, LIKE og NOT LIKE

Dette vil gi oss alle dataene bortsett fra de som er fra IN , SP og SC .

Filtrer i SQL ved å bruke IN, NOT IN, LIKE og NOT LIKE

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 .

Filtrer i SQL ved å bruke IN, NOT IN, LIKE og NOT LIKE

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 .

Filtrer i SQL ved å bruke IN, NOT IN, LIKE og NOT LIKE

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.

Filtrer i SQL ved å bruke IN, NOT IN, LIKE og NOT LIKE

Dette vil gi oss utdata som ikke viser noen post som inneholder Rob i Fornavn- kolonnen.

Filtrer i SQL ved å bruke IN, NOT IN, LIKE og NOT LIKE

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


Pipe In R: Koblingsfunksjoner med Dplyr

Pipe In R: Koblingsfunksjoner med Dplyr

I denne opplæringen lærer du hvordan du kobler funksjoner sammen ved å bruke dplyr-røroperatøren i programmeringsspråket R.

RANKX Deep Dive: A LuckyTemplates DAX-funksjon

RANKX Deep Dive: A LuckyTemplates DAX-funksjon

RANKX fra LuckyTemplates lar deg returnere rangeringen til et spesifikt tall i hver tabellrad som utgjør en del av en liste med tall.

Trekker ut LuckyTemplates-temaer og bilder fra PBIX

Trekker ut LuckyTemplates-temaer og bilder fra PBIX

Lær hvordan du demonterer en PBIX-fil for å trekke ut LuckyTemplates-temaer og bilder fra bakgrunnen og bruke den til å lage rapporten din!

Excel Formulas Cheat Sheet: Mellomveiledning

Excel Formulas Cheat Sheet: Mellomveiledning

Excel Formulas Cheat Sheet: Mellomveiledning

LuckyTemplates-kalendertabell: Hva er det og hvordan du bruker det

LuckyTemplates-kalendertabell: Hva er det og hvordan du bruker det

LuckyTemplates-kalendertabell: Hva er det og hvordan du bruker det

Python i LuckyTemplates: Hvordan installere og sette opp

Python i LuckyTemplates: Hvordan installere og sette opp

Lær hvordan du installerer programmeringsspråket Python i LuckyTemplates og hvordan du bruker verktøyene til å skrive koder og vise visuelle elementer.

Beregning av dynamiske fortjenestemarginer – enkel analyse av LuckyTemplates med DAX

Beregning av dynamiske fortjenestemarginer – enkel analyse av LuckyTemplates med DAX

Lær hvordan du beregner dynamiske fortjenestemarginer ved siden av LuckyTemplates og hvordan du kan få mer innsikt ved å grave dypere inn i resultatene.

Sortering av datotabellkolonner i LuckyTemplates

Sortering av datotabellkolonner i LuckyTemplates

Lær hvordan du sorterer feltene fra kolonner med utvidet datotabell på riktig måte. Dette er en god strategi å gjøre for vanskelige felt.

Finn dine beste produkter for hver region i LuckyTemplates ved å bruke DAX

Finn dine beste produkter for hver region i LuckyTemplates ved å bruke DAX

I denne artikkelen går jeg gjennom hvordan du kan finne de beste produktene dine per region ved å bruke DAX-beregninger i LuckyTemplates, inkludert TOPN- og CALCUATE-funksjonene.

Søppeldimensjon: Hva er det og hvorfor det er alt annet enn søppel

Søppeldimensjon: Hva er det og hvorfor det er alt annet enn søppel

Lær hvordan du bruker en søppeldimensjon for flagg med lav kardinalitet som du ønsker å inkludere i datamodellen din på en effektiv måte.