11 2021 档案
摘要:详情参考:pandas dataframe的合并(append, merge, concat) - GUXH - 博客园 (cnblogs.com)
阅读全文
摘要:在mysql数据库中,查询两张表中的不同数据时,语句中出现 not in 时效率较低,最好使用 联结 的方式处理。 正确使用的话,效率也比较低。 先用联结的方式,构成大表,然后使用条件达到目的 其中,红框内的where子句,是关键所在。
阅读全文
摘要:mysql 不支持 select * into new_table_name FROM old_table_name, 会报错。 解决办法:先创建一个空表,字段名要和导入的数据的字段完全一致;然后把数据插入空表中,可以永久保存。 解决办法2:创建一张临时表
阅读全文
摘要:使用正则表达式,可以很好的解决字符匹配的问题。与pandas中的 df.loc[ df[ '商品名称‘ ].str.contains( '催化|汽车' ), [ '标记' ] ] = 'junk' 类似。 详情参考: MySQL匹配指定字符串的查询 - 锐洋智能 - 博客园 (cnblogs.com
阅读全文
摘要:在Navicat中使用mysql数据库,sql语句中出现英文的括号()时,系统会识别为是在使用函数。 所以,当字段名中包含英文括号时,要使用反引号将字段名包起来,系统才能识别成字段名,使用单引号和双引号是不可以的。 在限定条件时,使用单引号和双引号,标识字符串类型的值。 &&&&&&&&&&&&&&
阅读全文
摘要:根据做个字段分别排序,简而言之,就是order by后边加多个字段,必须在每个字段后边明确加上 DESC / ASC, 如果只在结尾处加一个DESC,则会默认前面的字段按照升序排列,最后一个字段降序。
阅读全文

浙公网安备 33010602011771号