sqlplus sys/bjsxt as sysdba
--然后，解除对scott用户的锁
alter user scott account unlock
--那么这个用户名就能使用了。
--(默认全局数据库名orcl)
1、select ename, sal * 12 from emp--计算年薪
2、select 2*3 from dual --计算一个比较纯的数据用dual表
3、select sysdate from dual --查看当前的系统时间
4、select ename, sal*12 anuual_sal from emp--给搜索字段更改名称（双引号 keepFormat 别名有特殊字符，要加双引号）。
5、--任何含有空值的数学表达式，最后的计算结果都是空值。
6、select ename||sal from emp --(将sal的查询结果转化为字符串，与ename连接到一起，相当于Java中的字符串连接)
7、select ename||'afasjkj' from emp --字符串的连接
8、select distinct deptno from emp --消除deptno字段重复的值
9、select distinct deptno , job from emp--将与这两个字段都重复的值去掉
10、select * from emp where deptno=10 --(条件过滤查询)
11、select * from emp where empno >10 --大于 过滤判断
12、select * from emp where empno <>10 --不等于 过滤判断
13、select * from emp where ename >'cba' --字符串比较，实际上比较的是每个字符的AscII值，与在Java中字符串的比较是一样的
14、select ename, sal from emp where sal between 800 and 1500 --(between and过滤，包含800 1500)
15、select ename, sal, comm from emp where comm is null --(选择comm字段为null的数据)
16、select ename, sal, comm from emp where comm is not null --(选择comm字段不为null的数据)
17、select ename, sal, comm from emp where sal in (800, 1500,2000) --(in 表范围)
18、select ename, sal, hiredate from emp where hiredate >'02-2月-1981'--(只能按照规定的格式写)
19、select ename, sal from emp where deptno =10 or sal >1000
20、select ename, sal from emp where deptno =10 and sal >1000
21、select ename, sal, comm from emp where sal not in (800, 1500,2000) --(可以对in指定的条件进行取反)
22、select ename from emp where ename like '%ALL%' --(模糊查询)
23、select ename from emp where ename like '_A%' --(取第二个字母是A的所有字段)
24、select ename from emp where ename like '%/%%' --(用转义字符/查询字段中本身就带%字段的)
25、select ename from emp where ename like '%$%%' escape '$' --(用转义字符/查询字段中本身就带%字段的)
26、select * from dept order by deptno desc(使用order by desc字段 对数据进行降序排列 默认为升序asc)
27、select * from dept where deptno <>10 order by deptno asc --(我们可以将过滤以后的数据再进行排序)
28、select ename, sal, deptno from emp order by deptno asc, ename desc --(按照多个字段排序 首先按照deptno升序排列,当detpno相同时，内部再按照ename的降序排列)
29、select lower(ename) from emp --(函数lower() 将ename搜索出来后全部转化为小写)；
30、select ename from emp where lower(ename) like '_a%' --(首先将所搜索字段转化为小写，然后判断第二个字母是不是a)
31、select substr(ename, 2, 3) from emp --(使用函数substr() 将搜素出来的ename字段从第二个字母开始截，一共截3个字符)
32、select chr(65) from dual --(函数chr() 将数字转化为AscII中相对应的字符)
33、select ascii('A') from dual --(函数ascii()与32中的chr()函数是相反的 将相应的字符转化为相应的Ascii编码） )
34、select round(23.232) from dual --(函数round() 进行四舍五入 *** 作)
35、select round(23.232, 2) from dual --(四舍五入后保留的小数位数 0 个位 -1 十位)
36、select to_char(sal, '$99,999.9999')from emp --(加$符号加入千位分隔符，保留四位小数，没有的补零)
37、select to_char(sal, 'L99,999.9999')from emp --(L 将货币转化为本地币种此处将显示￥人民币)
38、select to_char(sal, 'L00,000.0000')from emp --(补零位数不一样，可到数据库执行查看)
39、select to_char(hiredate, 'yyyy-MM-DD HH:MI:SS') from emp --(改变日期默认的显示格式)
40、select to_char(sysdate, 'yyyy-MM-DD HH:MI:SS') from dual --(用12小时制显示当前的系统时间)
41、select to_char(sysdate, 'yyyy-MM-DD HH24:MI:SS') from dual --(用24小时制显示当前的系统时间)
42、select ename, hiredate from emp where hiredate >to_date('1981-2-20 12:24:45','YYYY-MM-DD HH24:MI:SS') --(函数to-date 查询公司在所给时间以后入职的人员)
43、select sal from emp where sal >to_number('$1,250.00', '$9,999.99') --(函数to_number()求出这种薪水里带有特殊符号的)
44、select ename, sal*12 + nvl(comm,0) from emp --(函数nvl() 求出员工的"年薪 + 提成(或奖金)问题")
45、select max(sal) from emp -- (函数max() 求出emp表中sal字段的最大值)
46、select min(sal) from emp -- (函数max() 求出emp表中sal字段的最小值)
47、select avg(sal) from emp --(avg()求平均薪水)
48、select to_char(avg(sal), '999999.99') from emp --(将求出来的平均薪水只保留2位小数)
49、select round(avg(sal), 2) from emp --(将平均薪水四舍五入到小数点后2位)
50、select sum(sal) from emp --(求出每个月要支付的总薪水)
------------------------/组函数(共5个)：将多个条件组合到一起最后只产生一个数据------min() max() avg() sum() count()----------------------------/
51、select count(*) from emp --求出表中一共有多少条记录
52、select count(*) from emp where deptno=10 --再要求一共有多少条记录的时候，还可以在后面跟上限定条件
53、select count(distinct deptno) from emp --统计部门编号前提是去掉重复的值
------------------------聚组函数group by() --------------------------------------
54、select deptno, avg(sal) from emp group by deptno --按照deptno分组，查看每个部门的平均工资
55、select max(sal) from emp group by deptno, job--分组的时候，还可以按照多个字段进行分组，两个字段不相同的为一组
56、select ename from emp where sal = (select max(sal) from emp)--求出
57、select deptno, max(sal) from emp group by deptno--搜素这个部门中薪水最高的的值
--------------------------------------------------having函数对于group by函数的过滤 不能用where--------------------------------------
58、select deptno, avg(sal) from emp group by deptno having avg(sal) >2000（order by ）--求出每个部门的平均值，并且要 >2000
59、select avg(sal) from emp where sal >1200 group by deptno having avg(sal) >1500 order by avg(sal) desc--求出sal>1200的平均值按照deptno分组，平均值要>1500最后按照sal的倒序排列
60、select ename,sal from emp where sal >(select avg(sal) from emp) --求那些人的薪水是在平均薪水之上的。
61、select ename, sal from emp join (select max(sal) max_sal ,deptno from emp group by deptno) t on (emp.sal = t.max_sal and emp.deptno=t.deptno) --查询每个部门中工资最高的那个人
------------------------------/等值连接--------------------------------------
62、select e1.ename, e2.ename from emp e1, emp e2 where e1.mgr = e2.empno --自连接，把一张表当成两张表来用
63、select ename, dname from emp, dept --92年语法 两张表的连接 笛卡尔积。
64、select ename, dname from emp cross join dept--99年语法 两张表的连接用cross join
65、select ename, dname from emp, dept where emp.deptno = dept.deptno-- 92年语法 表连接 + 条件连接
66、select ename, dname from emp join dept on(emp.deptno = dept.deptno)-- 新语法
67、select ename,dname from emp join dept using(deptno)--与66题的写法是一样的，但是不推荐使用using ： 假设条件太多
--------------------------------------/非等值连接------------------------------------------/
68、select ename,grade from emp e join salgrade s on(e.sal between s.losal and s.hisal)--两张表的连接 此种写法比用where更清晰
69、select ename, dname, grade from emp e
join dept d on(e.deptno = d.deptno)
join salgrade s on (e.sal between s.losal and s.hisal)
where ename not like '_A%' --三张表的连接
70、select e1.ename, e2.ename from emp e1 join emp e2 on(e1.mgr = e2.empno)--自连接第二种写法，同62
71、select e1.ename, e2.ename from emp e1 left join emp e2 on(e1.mgr = e2.empno)--左外连接 把左边没有满足条件的数据也取出来
72、select ename, dname from emp e right join dept d on(e.deptno = d.deptno)--右外连接
73、select deptno, avg_sal, grade from (select deptno, avg(sal) avg_sal from emp group by deptno) t join salgrade s on(t.avg_sal between s.losal and s.hisal)--求每个部门平均薪水的等级
74、select ename from emp where empno in (select mgr from emp)-- 在表中搜索那些人是经理
75、select sal from emp where sal not in(select distinct e1.sal from emp e1 join emp e2 on(e1.sal <e2.sal))-- 面试题 不用组函数max()求薪水的最大值
76、select deptno, max_sal from
(select avg(sal) max_sal,deptno from emp group by deptno)
where max_sal =
(select max(max_sal) from
(select avg(sal) max_sal,deptno from emp group by deptno)
)--求平均薪水最高的部门名称和编号。
77、select t1.deptno, grade, avg_sal from
(select deptno, grade, avg_sal from
(select deptno, avg(sal) avg_sal from emp group by deptno) t
join salgrade s on(t.avg_sal between s.losal and s.hisal)
) t1
join dept on (t1.deptno = dept.deptno)
where t1.grade =
(
select min(grade) from
(select deptno, grade, avg_sal from
(select deptno, avg(sal) avg_sal from emp group by deptno) t
join salgrade s on(t.avg_sal between s.losal and s.hisal)
)
)--求平均薪水等级最低的部门的名称 哈哈 确实比较麻烦
78、create view v$_dept_avg_sal_info as
select deptno, grade, avg_sal from
(select deptno, avg(sal) avg_sal from emp group by deptno) t
join salgrade s on(t.avg_sal between s.losal and s.hisal)
--视图的创建，一般以v$开头，但不是固定的
79、select t1.deptno, grade, avg_sal from v$_dept_avg_sal_info t1
join dept on (t1.deptno = dept.deptno)
where t1.grade =
(
select min(grade) from
v$_dept_avg_sal_info t1
)
)--求平均薪水等级最低的部门的名称 用视图，能简单一些，相当于Java中方法的封装
80、---创建视图出现权限不足时候的解决办法：
conn sys/admin as sysdba
--显示：连接成功 Connected
grant create table, create view to scott
-- 显示: 授权成功 Grant succeeded
81、-------求比普通员工最高薪水还要高的经理人的名称 -------
select ename, sal from emp where empno in
(select distinct mgr from emp where mgr is not null)
and sal >
(
select max(sal) from emp where empno not in
(select distinct mgr from emp where mgr is not null)
)
82、---面试题：比较效率
select * from emp where deptno = 10 and ename like '%A%'--好，将过滤力度大的放在前面
select * from emp where ename like '%A%' and deptno = 10
83、-----表的备份
create table dept2 as select * from dept
84、-----插入数据
insert into dept2 values(50,'game','beijing')
----只对某个字段插入数据
insert into dept2(deptno,dname) values(60,'game2')
85、-----将一个表中的数据完全插入另一个表中（表结构必须一样）
insert into dept2 select * from dept
86、-----求前五名员工的编号和名称（使用虚字段rownum 只能使用 <或 = 要使用 >必须使用子查询）
select empno,ename from emp where rownum <= 5
86、----求10名雇员以后的雇员名称--------
select ename from (select rownum r,ename from emp) where r >10
87、----求薪水最高的前5个人的薪水和名字---------
select ename, sal from (select ename, sal from emp order by sal desc) where rownum <=5
1、删除缺失值当样本数很多的时候，并且出现缺失值的样本在整个的样本的比例相对较小，这种情况下，我们可以使用最简单有效的方法处理缺失值的情况。那就是将出现有缺失值的样本直接丢弃。这是一种很常用的策略。
2、均值填补法
根据缺失值的属性相关系数最大的那个属性把数据分成几个组，然后分别计算每个组的均值，把这些均值放入到缺失的数值里面就可以了。
3、热卡填补法
对于一个包含缺失值的变量，热卡填充法的做法是：在数据库中找到一个与它最相似的对象，然后用这个相似对象的值来进行填充。不同的问题可能会选用不同的标准来对相似进行判定。最常见的是使用相关系数矩阵来确定哪个变量（如变量Y）与缺失值所在变量（如变量X）最相关。然后把所有变量按Y的取值大小进行排序。那么变量X的缺失值就可以用排在缺失值前的那个个案的数据来代替了。
还有类似于最近距离决定填补法、回归填补法、多重填补方法、K-最近邻法、有序最近邻法、基于贝叶斯的方法等。
异常值通常被称为“离群点”，对于异常值的处理，通常使用的方法有下面几种：
1、简单的统计分析
拿到数据后可以对数据进行一个简单的描述性统计分析，譬如最大最小值可以用来判断这个变量的取值是否超过了合理的范围，如客户的年龄为-20岁或200岁，显然是不合常理的，为异常值。
2、3∂原则
如果数据服从正态分布，在3∂原则下，异常值为一组测定值中与平均值的偏差超过3倍标准差的值。如果数据服从正态分布，距离平均值3∂之外的值出现的概率为P(|x-u| >3∂) <= 0.003，属于极个别的小概率事件。如果数据不服从正态分布，也可以用远离平均值的多少倍标准差来描述。
3、箱型图分析
箱型图提供了识别异常值的一个标准：如果一个值小于QL01.5IQR或大于OU-1.5IQR的值，则被称为异常值。QL为下四分位数，表示全部观察值中有四分之一的数据取值比它小；QU为上四分位数，表示全部观察值中有四分之一的数据取值比它大；IQR为四分位数间距，是上四分位数QU与下四分位数QL的差值，包含了全部观察值的一半。箱型图判断异常值的方法以四分位数和四分位距为基础，四分位数具有鲁棒性：25%的数据可以变得任意远并且不会干扰四分位数，所以异常值不能对这个标准施加影响。因此箱型图识别异常值比较客观，在识别异常值时有一定的优越性。
4、基于模型检测
首先建立一个数据模型，异常是那些同模型不能完美拟合的对象；如果模型是簇的集合，则异常是不显著属于任何簇的对象；在使用回归模型时，异常是相对远离预测值的对象
优缺点：1.有坚实的统计学理论基础，当存在充分的数据和所用的检验类型的知识时，这些检验可能非常有效；2.对于多元数据，可用的选择少一些，并且对于高维数据，这些检测可能性很差。
5、基于距离
通常可以在对象之间定义邻近性度量，异常对象是那些远离其他对象的对象
优缺点：1.简单；2.缺点：基于邻近度的方法需要O(m2)时间，大数据集不适用；3.该方法对参数的选择也是敏感的；4.不能处理具有不同密度区域的数据集，因为它使用全局阈值，不能考虑这种密度的变化。
6、基于密度
当一个点的局部密度显著低于它的大部分近邻时才将其分类为离群点。适合非均匀分布的数据。
优缺点：1.给出了对象是离群点的定量度量，并且即使数据具有不同的区域也能够很好的处理；2.与基于距离的方法一样，这些方法必然具有O(m2)的时间复杂度。对于低维数据使用特定的数据结构可以达到O(mlogm)；3.参数选择困难。虽然算法通过观察不同的k值，取得最大离群点得分来处理该问题，但是，仍然需要选择这些值的上下界。
7、基于聚类：
基于聚类的离群点：一个对象是基于聚类的离群点，如果该对象不强属于任何簇。离群点对初始聚类的影响：如果通过聚类检测离群点，则由于离群点影响聚类，存在一个问题：结构是否有效。为了处理该问题，可以使用如下方法：对象聚类，删除离群点，对象再次聚类（这个不能保证产生最优结果）。
优缺点：1.基于线性和接近线性复杂度（k均值）的聚类技术来发现离群点可能是高度有效的；2.簇的定义通常是离群点的补，因此可能同时发现簇和离群点；3.产生的离群点集和它们的得分可能非常依赖所用的簇的个数和数据中离群点的存在性；4.聚类算法产生的簇的质量对该算法产生的离群点的质量影响非常大。
噪音，是被测量变量的随机误差或方差。对于噪音的处理，通常有下面的两种方法：
1、分箱法
分箱方法通过考察数据的“近邻”（即，周围的值）来光滑有序数据值。这些有序的值被分布到一些“桶”或箱中。由于分箱方法考察近邻的值，因此它进行局部光滑。
用箱均值光滑：箱中每一个值被箱中的平均值替换。
用箱中位数平滑：箱中的每一个值被箱中的中位数替换。
用箱边界平滑：箱中的最大和最小值同样被视为边界。箱中的每一个值被最近的边界值替换。
一般而言，宽度越大，光滑效果越明显。箱也可以是等宽的，其中每个箱值的区间范围是个常量。分箱也可以作为一种离散化技术使用.
2、回归法
可以用一个函数拟合数据来光滑数据。线性回归涉及找出拟合两个属性（或变量）的“最佳”直线，使得一个属性能够预测另一个。多线性回归是线性回归的扩展，它涉及多于两个属性，并且数据拟合到一个多维面。使用回归，找出适合数据的数学方程式，能够帮助消除噪声。
欢迎分享，转载请注明来源：内存溢出
微信扫一扫
支付宝扫一扫
评论列表（0条）