So speichern und laden Sie eine RDS-Datei in R
Sie erfahren, wie Sie Objekte aus einer .rds-Datei in R speichern und laden. In diesem Blog wird auch behandelt, wie Sie Objekte aus R in LuckyTemplates importieren.
In diesem Blog besprechen wir, wie man in SQL filtert. Wir erklären und zeigen einige Beispiele für die Verwendung von Filterbedingungen wie IN, NOT IN, LIKE und NOT LIKE .
Diese Filterbedingungen werden verwendet, um die Ausgabe aus den Daten zu filtern. Anstatt sie über mehrere Befehlszeilen auszuwählen, können Sie einfacher auf die Daten zugreifen.
Inhaltsverzeichnis
Verwenden der Operatoren IN und NOT IN zum Filtern von Daten in SQL
In diesem Beispiel erhalten wir die Daten von den IDs 1, 5 oder 7. Die meisten Leute würden ODER-Bedingungen verwenden .
Wenn Sie die Daten von mehreren IDs erhalten möchten, müssen Sie mehrere ODER-Bedingungen schreiben. Sie können jedoch den IN-Operator verwenden , um die gewünschten Daten abzurufen, anstatt mehrmals OR-Bedingungen zu verwenden.
Wenn Sie diese Filterbedingung verwenden, erhalten Sie die gleiche Ausgabe, nämlich die Daten der IDs 1, 5 oder 7. Im Gegenteil, wenn Sie die Daten von allen außer den IDs 1, 5 und 7 extrahieren möchten, würden Sie dies am meisten tun Verwenden Sie wahrscheinlich die OR-Bedingung und <> (NOT EQUAL-Operator).
Anstatt lange Befehle zu schreiben, können wir den NOT IN-Operator verwenden .
Mit dieser Filterbedingung extrahieren Sie die Daten mit Ausnahme der IDs 1, 5 und 7.
Die Verwendung dieser Bedingungen spart Ihnen viel Zeit und ist gleichzeitig eine viel bessere Möglichkeit zum Schreiben, anstatt mehrere ODER-Bedingungen zu verwenden .
Verwenden der Operatoren LIKE und NOT LIKE zum Filtern von Daten in SQL
LIKE und NOT LIKE ähneln den Operatoren IN und NOT IN. Anstatt die Daten selbst zu extrahieren, wird der Teil einer Zeichenfolge abgerufen. Beachten Sie, dass Sie Platzhalter oder Sonderzeichen wie Prozent (%) und Unterstrich (_) verwenden können.
Das % bedeutet, dass alle Datensätze mit der angegebenen Zeichenfolge abgeglichen werden. Wenn wir 86 und % übereinstimmen, sollten die ersten beiden Ziffern 86 sein. Es werden also alle Werte gefunden, die mit 86 beginnen.
Aber wenn wir % auf beiden Seiten von 86 platzieren , kann es von jedem Ort kommen. Es kann vom Anfang, vom Ende oder der Mitte kommen. Es werden also alle Werte gefunden, die am Anfang, in der Mitte oder am Ende 86 haben.
Andererseits stimmt _ nur mit einem Zeichen überein. Wenn Sie 86 und _ (86_) verwenden, wird nach allen Werten gesucht, die an der 1. und 2. Position 86 haben, wie 860, 861, 862 usw. und so weiter. Wenn Sie _ und 86 (_86) verwenden, wird nach Werten mit 86 an der 2. und 3. Position gesucht.
In diesem Beispiel verwenden wir den LIKE-Operator , um die Daten mit der Zeichenfolge Mark abzurufen . Wir müssen lediglich Mark zwischen % einfügen, um eine Ausgabe zu erhalten, die Mark enthält .
Wenn wir die Daten, die Mark enthalten, nicht extrahieren möchten , können wir auch den NOT LIKE-Operator verwenden . Dann setzen Sie Mark dazwischen %.
Dieses Mal enthält die Ausgabe nicht Mark .
Verwenden der SQL-Filterbedingungen in SSMS
Zuerst öffnen wir unser SSMS (SQL Server Management Studio).
Als Nächstes laden wir die Tabelle, die wir verwenden werden. Beachten Sie, dass wir die Datenbank „adventureworks2012“ verwenden, die auf der Microsoft-Dokumentationswebsite zu finden ist .
Klicken Sie dann auf Ausführen .
Danach sehen Sie die Ausgabe auf der Registerkarte „Ergebnisse“.
Anschließend filtern wir die Ausgabe basierend auf PersonType . Wir verwenden den Select-Distinct -Befehl. Wir markieren den Befehl und klicken auf Ausführen .
Dann sehen Sie die Ausgabe mit dem PersonType .
Als Nächstes extrahieren wir die Datensätze aus PersonType IN , SP oder SC . In diesem Fall verwenden wir die ODER-Bedingung . Wir markieren den Befehl und klicken auf „Ausführen“ .
Sie sehen dann, dass die Anzahl der Zeilen 19.254 beträgt.
Anstelle der OR-Bedingung verwenden wir jedoch den IN-Operator . Also geben wir den Befehl ein und markieren ihn. Klicken Sie dann auf Ausführen .
Dadurch erhalten wir die gleiche Anzahl an Zeilen, nämlich 19.254 .
Wenn wir alle Daten außer IN , SP und SC extrahieren möchten , verwenden wir den NOT IN-Operator . Geben wir also den Befehl ein und markieren ihn. Klicken Sie dann auf Ausführen .
Dadurch erhalten wir alle Daten mit Ausnahme derjenigen, die von IN , SP und SC stammen .
Als Nächstes verwenden wir den LIKE-Operator , um die Daten, die Rob enthalten, aus der Spalte „Vorname“ zu extrahieren . Lassen Sie uns den Befehl verwenden, ihn markieren und auf Ausführen klicken .
Als Ergebnis sehen wir, dass die Ausgabe jetzt Rob in der Spalte „Vorname“ enthält . Da wir % verwendet haben, werden alle Daten angezeigt, die die Zeichenfolge Rob haben .
Zum Schluss verwenden wir den NOT LIKE-Operator . In diesem Beispiel möchten wir die Daten extrahieren, die Rob nicht enthalten . Wir geben also den Code ein, markieren ihn und klicken dann auf „Ausführen“.
Dadurch erhalten wir eine Ausgabe, in der kein Datensatz angezeigt wird, der „ Rob“ in der Spalte „Vorname“ enthält .
Abschluss
Zusammenfassend haben wir besprochen, wie man in SQL mit den Operatoren IN, NOT IN, LIKE und NOT LIKE filtert. Sie haben ihre Verwendung und ihre Unterschiede kennengelernt und erfahren, in welchen Situationen Sie sie verwenden können.
Diese Operatoren sind effizienter als die Verwendung der ODER-Bedingung . Sie können diese Operatoren verwenden , um die gewünschten Daten aus Ihrer Datenbank zu filtern und zu extrahieren, anstatt längere Befehle zu verwenden. Stellen Sie daher sicher, dass Sie diese Filterbedingungen ordnungsgemäß verwenden.
Alles Gute,
Hafiz
Sie erfahren, wie Sie Objekte aus einer .rds-Datei in R speichern und laden. In diesem Blog wird auch behandelt, wie Sie Objekte aus R in LuckyTemplates importieren.
Was ist Self in Python: Beispiele aus der Praxis
In diesem Tutorial zur DAX-Codierungssprache erfahren Sie, wie Sie die GENERATE-Funktion verwenden und einen Kennzahltitel dynamisch ändern.
In diesem Tutorial erfahren Sie, wie Sie mithilfe der Multi-Threaded-Dynamic-Visuals-Technik Erkenntnisse aus dynamischen Datenvisualisierungen in Ihren Berichten gewinnen.
In diesem Artikel werde ich den Filterkontext durchgehen. Der Filterkontext ist eines der Hauptthemen, über die sich jeder LuckyTemplates-Benutzer zunächst informieren sollte.
Ich möchte zeigen, wie der LuckyTemplates Apps-Onlinedienst bei der Verwaltung verschiedener Berichte und Erkenntnisse aus verschiedenen Quellen helfen kann.
Erfahren Sie, wie Sie Ihre Gewinnmargenänderungen mithilfe von Techniken wie Kennzahlenverzweigung und der Kombination von DAX-Formeln in LuckyTemplates ermitteln.
In diesem Tutorial werden die Ideen der Materialisierung von Datencaches und deren Auswirkungen auf die Leistung von DAXs bei der Bereitstellung von Ergebnissen erläutert.
Wenn Sie bisher noch Excel verwenden, ist dies der beste Zeitpunkt, LuckyTemplates für Ihre Geschäftsberichtsanforderungen zu verwenden.
Was ist LuckyTemplates Gateway? Alles was du wissen musst