文章目录  1. 分组查询介绍 2. group by的使用   根据gender字段来分组 根据age字段分组、with rollup的初步使用 根据name和gender多个字段进行分组  3. group by + group_concat()的使用 4. group by + 聚合函数的使用 5. group by + having的使用 6. group by + with rollup的使用 7. 小结   1. 分组查询介绍 分组查询就是将查询结果按照指定字段进行分组，字段中数据相等的分为一组。 分组查询基本的语法格式如下： GROUP BY 列名 [HAVING 条件表达式] ...

SQL语句： create table t_employee( e_id int unsigned AUTO_INCREMENT, e_num varchar(20) NOT NULL, e_name varchar(10) NOT NULL, e_sxe ENUM('男','女') NOT NULL, e_age int NOT NULL, e_tel varchar(11) NOT NULL, e_icnumber varchar(20), PRIMARY KEY (e_id) );  出现错误： navicat > 1291 - Column 'e_sxe' has duplica...

文章目录  连接查询的介绍 1.内连接查询 2.左连接查询 3.右连接查询 4.自连接查询   连接查询的介绍 连接查询可以实现多个表的查询，当查询的字段数据来自不同的表就可以使用连接查询来完成。 连接查询可以分为:  内连接查询 左连接查询 右连接查询 自连接查询  1.内连接查询 查询两个表中符合条件的共有记录  select 字段 from 表1 inner join 表2 on 表1.字段1 = 表2.字段2  构造两个表： create table students( id int unsigned primary key auto_increment not null, name ...

文章目录  1. 子查询的介绍 2. 子查询的使用 3. 小结   1. 子查询的介绍 在一个 select 语句中,嵌入了另外一个 select 语句, 那么被嵌入的 select 语句称之为子查询语句，外部那个select语句则称为主查询. 主查询和子查询的关系: 1.子查询是嵌入到主查询中 2.子查询是辅助主查询的,要么充当条件,要么充当数据源 3.子查询是可以独立存在的语句,是一条完整的 select 语句 2. 子查询的使用 例1. 查询大于平均数学成绩的学生: select * from students where math>(select avg(math) from s...

文章目录  1.什么是外键约束 2.对于已经存在的字段添加外键约束 3.在创建数据表时设置外键约束 4. 删除外键约束   （1）获取外键约束名称 （2）删除外键约束  5. 小结   1.什么是外键约束 外键约束:对外键字段的值进行更新和插入时会和引用表中字段的数据进行验证，数据如果不合法则更新和插入会失败，保证数据的有效性 2.对于已经存在的字段添加外键约束 -- 为cls_id字段添加外键约束 alter table students add foreign key(cls_id) references classes(id);  3.在创建数据表时设置外键约束 -- 创建学校表 cre...

文章目录  1. 思考 2. 创建品牌表 3. 更新goods表中的品牌信息 4. 小结    创建表并给某个字段添加数据  学习目标  能够写出创建表并给某个字段添加数据的SQL语句 1. 思考 上一节课我们完成了商品分类表(good_cates)的创建和商品分类信息的添加以及把商品表(goods)中的商品分类名称改成了对应的商品分类id，假如我们想要添加一个品牌，比如：双飞燕这个品牌信息，只通过goods表无法完成品牌信息的添加，那么如何实现添加品牌信息的操作? 答案: 创建一个品牌表，把goods表中的品牌信息添加到该表中。 将goods表中的品牌名称更改成品牌表中对应的品牌id 2. ...

原来的：  我们要把类名字、品牌名字改成类id和品牌id： alter table goods change cate_name cate_id int not null,change brand_name brand_id int not null;  改之后：

1.导包  import pymysql  2.创建连接对象  pymysql.connect(参数列表)  3.获取游标对象  cursor =conn.cursor()  4.执行SQL语句  row_count = cursor.execute(sql)  5.获取查询结果集  result = cursor.fetchall()  6.将修改操作提交到数据库  conn.commit()  7.回滚数据  conn.rollback()  8.关闭游标  cursor.close()  9.关闭连接  conn.close()

查看表的创建语句： show create table goods;  修改引擎： 修改表的存储引擎使用: alter table 表名 engine = 引擎类型; 比如: alter table students engine = 'MyISAM';

【更新日志】    日期 内容     2020.03.20 扑克牌54张，平均分成2份，求这2份都有2张A的概率；男生点击率增加，女生点击率增加，总体为何减少?；参数估计；假设检验；置信度、置信区间；协方差与相关系数的区别和联系；中心极限定理； p值的含义；时间序列分析；怎么向小孩子解释正态分布；下面对于“预测变量间可能存在较严重的多重共线性”的论述中错误的是？；PCA为什么要中心化？PCA的主成分是什么？；极大似然估计   2020.03.21 事务是什么？事务的四大特性？事务的使用；并发事务带来的问题；事务的隔离级别；常用的表的存储引擎；MySQL中索引的优点和缺点和使用原则；mysql...

作为三大知名GBDT的实现之一 LightGBM的优点： 1.就是快的 2.同时精度还高 工程上的实现比Xgboost要好很多，所以计算比较快，看了原文才知道这内有乾坤，而且都是很容易理解的道理。 快： 开门见山的说，LGB（LightGBM，下文均采用此缩写）不需要通过所有样本计算信息增益了，而且内置特征降维技术，所以更快。至于LGB精度高的原因，论文中并没有给出明确的答案，但我看完后心里却有了自己的答案，很想和诸位讨论一番。 XGB采用了直方图加速，只需要遍历几个可能的分裂节点就好了！它也不需要计算所有样本吖！ 这里的意思是，XGB虽然每次只需要遍历几个可能的分裂节点，然后比较每个分裂节点...

广告是互联网企业重要的变现模式，在美团的广告业务中，商家会和美团的销售签订不同类型的广告合同（比如，按点击收费的广告cpc、按曝光收费的广告cpm、按时长收费的广告cpt）。 美团会为商家创建相关的广告内容素材创意（比如，门店图片、活动图片、促销文字等），并通过美团的广告引擎，根据用户访问的行为特征，基于算法策略将商家的广告内容投放到美团的app或者外部合作伙伴（比如如：腾讯，头条）的app不同的展示位置上。 普通用户访问这些广告后，会对商家产生兴趣，可能产生购买转换行为，美团会和商家做广告的计费结算，同时为商户提供用户的广告效果信息（比如：广告带来的门店访问量、订单数等）。 以上就是美团的广...

想必大家都知道关系型数据库如MySQL通过索引可以提升查询效率，但是这背后的原理到底是什么呢，让我们一起来分析吧~   如果没有索引，数据库引擎需要通过<mark>全表扫描</mark>来查找数据，这会产生大量的<mark>磁盘IO</mark>。  关系型数据库使用B+树构建索引来加速加快查询。<mark>B+树</mark>是一种二叉查找树（每个节点的键值必须：比保存在左子树的任何键值都要大，比保存在右子树的任何键值都要小），这样随机查找某个键值时可以通过从<mark>根节点执行二叉查找</mark&...

这属于嵌套语句的问题 比如你的sql语句本来为 select user_name,brand_name,count(sat_name) from a inner join b on a.goods_id=b.good_id where user_name='小明' and brand_name='花王' and sat_name='好评';  得到结果：  你想给他起个别名l1 你就这样就不会出错了，不要忘记在最后as l1： select * from (select user_name,brand_name,count(sat_name) from a inner join b on a....