Wat is zelf in Python: voorbeelden uit de echte wereld
Wat is zelf in Python: voorbeelden uit de echte wereld
In deze blog bespreken we hoe je kunt filteren in SQL. We zullen enkele voorbeelden uitleggen en laten zien met behulp van filtervoorwaarden zoals IN, NOT IN, LIKE en NOT LIKE .
Deze filtervoorwaarden worden gebruikt om de uitvoer uit de gegevens te filteren. In plaats van ze te selecteren met behulp van meerdere regels met opdrachten, is het gemakkelijker voor u om toegang te krijgen tot de gegevens.
Inhoudsopgave
IN- en NOT IN-operators gebruiken om gegevens in SQL te filteren
In dit voorbeeld halen we de gegevens uit ID's 1, 5 of 7. De meeste mensen gebruiken OR-voorwaarden .
Als u de gegevens van meer ID's wilt ophalen, moet u meerdere OF-voorwaarden schrijven. U kunt echter de IN-operator gebruiken om de gewenste gegevens te krijgen in plaats van vele malen OR-voorwaarden te gebruiken.
Als u deze filtervoorwaarde gebruikt, krijgt u dezelfde uitvoer, namelijk de gegevens van ID's 1, 5 of 7. Integendeel, als u de gegevens wilt extraheren van alle behalve de ID's 1, 5 en 7, zou u het meest gebruik waarschijnlijk de OR-voorwaarde en <> (NOT EQUAL-operator).
In plaats van lange commando's te schrijven, kunnen we de NOT IN-operator gebruiken .
Met deze filtervoorwaarde extraheert u de gegevens behalve ID's 1, 5 en 7.
Het gebruik van deze voorwaarden bespaart u veel tijd en is tegelijkertijd een veel betere manier om te schrijven in plaats van meerdere OF-voorwaarden te gebruiken .
LIKE- en NOT LIKE-operatoren gebruiken om gegevens in SQL te filteren
LIKE en NOT LIKE zijn vergelijkbaar met de IN- en NOT IN-operatoren. In plaats van de gegevens zelf te extraheren, krijgt het het deel van een string. Houd er rekening mee dat u jokertekens of speciale tekens zoals procent (%) en underscore (_) kunt gebruiken.
Het % betekent dat het overeenkomt met alle records met de gegeven tekenreeks. Als we overeenkomen met 86 en %, zouden de eerste twee cijfers 86 moeten zijn. Er worden dus alle waarden gevonden die beginnen met 86.
Maar als we % aan beide zijden van 86 plaatsen , kan het van elke locatie komen. Het kan vanaf het begin, het einde of het midden komen. Het vindt dus alle waarden met 86 aan het begin, midden of einde.
Aan de andere kant komt _ overeen met slechts 1 teken. Als u 86 en _ (86_) gebruikt, zoekt het naar waarden met 86 op de 1e en 2e positie, zoals 860, 861, 862, enzovoort, enzovoort. Als u _ en 86 (_86) gebruikt, zoekt het naar waarden met 86 op de 2e en 3e positie.
In dit voorbeeld gebruiken we de LIKE-operator om de gegevens op te halen met de tekenreeks Mark . We hoeven alleen Mark tussen % te plaatsen om een uitvoer te hebben die Mark bevat .
Evenzo, als we de gegevens die Mark bevatten niet willen extraheren , kunnen we de NOT LIKE-operator gebruiken . Zet dan Mark tussen %.
Deze keer bevat de uitvoer geen Mark .
De SQL-filtervoorwaarden gebruiken in SSMS
Eerst openen we onze SSMS (SQL Server Management Studio).
Vervolgens laden we de tabel die we gaan gebruiken. Houd er rekening mee dat de database die we gebruiken adventureworks2012 is, die te vinden is op de Microsoft Documentation-website .
Klik vervolgens op Uitvoeren .
Daarna ziet u de uitvoer op het tabblad Resultaten.
Vervolgens filteren we de uitvoer op basis van PersonType . We gebruiken de opdracht select distinct . We markeren de opdracht en klikken op Uitvoeren .
Vervolgens ziet u de uitvoer met de PersonType .
Vervolgens halen we de records uit PersonType IN , of SP , of SC . Voor deze gebruiken we de OR-voorwaarde . We markeren de opdracht en klikken op uitvoeren .
Je ziet dan dat het aantal rijen 19.254 is.
In plaats van de OR-voorwaarde te gebruiken , gebruiken we echter de IN-operator . Dus we typen de opdracht en markeren deze. Klik vervolgens op uitvoeren .
Dit geeft ons hetzelfde aantal rijen, namelijk 19.254 .
Als we alle gegevens behalve IN , SP en SC willen extraheren , gebruiken we de NOT IN-operator . Dus laten we de opdracht typen en markeren. Klik vervolgens op uitvoeren .
Dit geeft ons alle gegevens behalve die van IN , SP en SC .
Vervolgens gebruiken we de LIKE-operator om de gegevens die Rob bevatten uit de kolom Voornaam te extraheren . Laten we de opdracht gebruiken, deze markeren en op Uitvoeren klikken .
Als gevolg hiervan zullen we zien dat de uitvoer nu Rob bevat in de kolom Voornaam . Omdat we de % hebben gebruikt, worden alle gegevens weergegeven met de tekenreeks Rob .
Ten slotte gebruiken we de NOT LIKE-operator . In dit voorbeeld willen we de gegevens extraheren die Rob niet bevatten . Dus we typen de code, markeren deze en klikken vervolgens op Uitvoeren.
Dit geeft ons de uitvoer die geen enkele record toont die Rob bevat in de kolom Voornaam .
Conclusie
Samenvattend hebben we besproken hoe u in SQL kunt filteren met behulp van IN-, NOT IN-, LIKE- en NOT LIKE-operatoren. Je hebt hun gebruik en hun verschillen geleerd, en in welke situatie je ze kunt gebruiken.
Deze operatoren zijn efficiënter dan het gebruik van de OR - voorwaarde . U kunt deze operators gebruiken om de gewenste gegevens uit uw database te filteren en te extraheren in plaats van langere opdrachten te gebruiken, dus zorg ervoor dat u deze filtervoorwaarden correct gebruikt.
Al het beste,
Hafiz
Wat is zelf in Python: voorbeelden uit de echte wereld
Je leert hoe je objecten uit een .rds-bestand in R opslaat en laadt. In deze blog wordt ook besproken hoe je objecten uit R naar LuckyTemplates importeert.
In deze tutorial over DAX-coderingstaal leert u hoe u de functie GENERATE gebruikt en hoe u de titel van een maat dynamisch wijzigt.
Deze zelfstudie behandelt hoe u de Multi Threaded Dynamic Visuals-techniek kunt gebruiken om inzichten te creëren op basis van dynamische gegevensvisualisaties in uw rapporten.
In dit artikel zal ik de filtercontext doornemen. Filtercontext is een van de belangrijkste onderwerpen waarover elke LuckyTemplates-gebruiker in eerste instantie zou moeten leren.
Ik wil laten zien hoe de online service LuckyTemplates Apps kan helpen bij het beheren van verschillende rapporten en inzichten die uit verschillende bronnen zijn gegenereerd.
Leer hoe u wijzigingen in uw winstmarge kunt berekenen met behulp van technieken zoals vertakking van metingen en het combineren van DAX-formules in LuckyTemplates.
Deze tutorial bespreekt de ideeën van materialisatie van datacaches en hoe deze de prestaties van DAX beïnvloeden bij het leveren van resultaten.
Als u tot nu toe nog steeds Excel gebruikt, is dit het beste moment om LuckyTemplates te gaan gebruiken voor uw zakelijke rapportagebehoeften.
Wat is LuckyTemplates Gateway? Alles wat u moet weten