python中的查询（select）

喜欢ヅ旅行 2022-05-24 04:43 267阅读 0赞

sql语句的执行顺序：

from     where    group by      select     having    order by      limit

**一. 条件查询**

①普通条件查询

select  XX  from  表名   where  查询的条件

②模糊查询

between and，in，or，范围查询，like

③空值查询

is null

**二.排序**

语法：order by asc（升）或desc（降 ）

**三.分组**

关键字：group by

语法：select 分组的列，聚合函数 from 表名 group by 分组的列

注意：如果使用了group by 分组，那么select 不允许出现其他列，只能出现分组的列

分组本身没有意义，只有配合**聚合函数**，**group\_concat(其他列)**才有意义

group\_concat（其他列名）：用来显示分组后某一组的所有数据。

聚合函数：count（），min（），max（），sum（），avg（）

having条件表达式：用来限制分组后的输出

***区别where和having***：

where：作用于视图或者表，是视图和表的查询条件

having：作用于分组后的记录，用于选择符合条件的分组

***按照多个字段分组：***

group by 列1，列2

先按照列1进行分组，然后列1相等的记录再按照列2分组

![20180521085956105][]

执行select tsgender,tsaddr from 学生表 group by tsgender,tsaddr;

执行结果：

![20180521090349871][]

***with rollup：***

在记录最后加一条记录，该记录是上面所有记录的和

eg：

![20180521090933725][]

**四.limit关键字的使用：**

limit关键字用来规范输出内容的个数

用法：

①limit m：限制输出个数为m个

②limit m，n：限制输出从m+1开始，个数为n个

limit 5，10：输出记录6-15行

注意：默认从0记起

**五.连接查询**

***内连接，左连接，右连接***

inner join

![70][]

left join

![70 1][]

right join

![70 2][]

这三种连接都是通过笛卡儿积来合并不同表的，这样会导致计算量大，因为先执行笛卡尔，再取两表连接列值相等的数据

***自然连接***

自动将表中相同名称的列进行记录匹配

表A nature join 表B

不用添加连接条件

***自连接***

上边我们谈到的所以连接都是基于多个不同表的连接

假想以下场景：某一电商网站想要对站内产品做层级分类，一个类别下面有若干子类，子类下面也会有别的子类。例如数码产品这个类别下面有笔记本，台式机，智能手机等；笔记本，台式机，智能手机又可以按照品牌分类；品牌又可以按照价格分类，等等。也许这些分类会达到一个很深的层次，呈现一种树状的结构。那么这些数据要怎么在数据库中表示呢？我们可以在数据库中创建两个字段来存储id和类别名称，使用第三个字段存储类别的子类或者父类的id，最后通过自连接去查询想要的结果。自连接查询其实等同于连接查询，需要两张表，只不过它的左表（父表）和右表（子表）都是**自己**。做自连接查询的时候，是自己和自己连接，分别给父表和子表取两个不同的别名，然后附上连接条件。所以用到的关键字仍然是inner join，left join， right join

**谈到这里我们不难发现**：其实任何表只要有相同数据，都可以进行连接并使用，只需连接的内容有意义即可！！

**六.子查询**

概念：将select的结果在另一个查询中使用的查询。

select \* from (select col1,col2,col3 from table) as t

注意：

如果主查询使用到子查询的数据，则必须给子查询起一个***别名***。

在子查询使用管子运算符的时候要i注意，因为子查询可能返回多个值。

***注意***：能用子查询就不用连接查询，以为连接查询建立在笛卡儿积上，会造成比较复杂的合并表前的笛卡儿积计算

[20180521085956105]: /images/20220524/18892d6758034c819b6a75e04b75bc68.png
[20180521090349871]: /images/20220524/92b9d54971c1427f8b47be71e74f5cf6.png
[20180521090933725]: /images/20220524/e40a26a12cfc401ab8a7101202863032.png
[70]: /images/20220524/c6216af2f5c94e4a95d1175f33d478cc.png
[70 1]: /images/20220524/56c732a20a904f25b43771d4c1d66a0b.png
[70 2]: /images/20220524/7bc7f517327448268924113682e72210.png