• MySQL常用函数


    聚合函数(常用于GROUP BY从句的SELECT查询中)

    下面几个函数会忽略值为NULL的行

    • AVG(col) 返回指定列的平均值
    • COUNT(col) 返回指定列中非NULL值/行的个数(当函数参数为星号*时不会忽略)
    • MIN(col) 返回指定列的最小值
    • MAX(col) 返回指定列的最大值
    • SUM(col) 返回指定列的所有值之和
    • GROUP_CONCAT(col) 返回由属于一组的列值连接组合而成的结果

    字符串

    • CONCAT(s1,s2…,sn):将s1,s2…,sn连接成字符串
    • SUBSTRING(str,start,length):在str中从start开始截取length个字符长度
    • CHAR_LENGTH(str):返回字符串str的字符长度
    • LENGTH(str):返回字符串str的字节长度
    • INSTR(str,substr):返回字符串str中子字符串的第一个出现位置
    • INSERT(str,start,length,newstr):返回字符串str从start开始的length长度被字符串newstr取代的字符
    • STRCMP(expr1,expr2):字符串比较(相等返回0,expr1>expr2返回1,expr2>expr1返回-1)

    数学

    • ROUND(x,y):返回参数x的四舍五入的有y位小数的值(四舍五入)
    • FLOOR(x):返回小于x的最大整数值,(去掉小数取整)
    • CEILING(x):返回大于x的最小整数值,(进一取整)

    日期和时间函数

    • DATE_FORMAT(date,fmt):依照指定的fmt格式格式化日期date值
    • FROM_UNIXTIME(ts,fmt):根据指定的fmt格式,格式化UNIX时间戳ts
    • MONTHNAME(date):返回date的月份名(英语月份,如October)
    • DAYNAME(date):返回date的星期名(英语星期几,如Saturday)
    • NOW():返回当前的日期和时间(如:2016-10-08 18:57:39)
    • CURDATE() 或 CURRENT_DATE():返回当前的日期
    • CURTIME() 或 CURRENT_TIME():返回当前的时间
    • QUARTER(date):返回date在一年中的季度(1~4)
    • WEEK(date):返回日期date为一年中第几周(0~53)
    • DAYOFYEAR(date):返回date是一年的第几天(1~366)
    • DAYOFMONTH(date):返回date是一个月的第几天(1~31)
    • DAYOFWEEK(date):返回date所代表的一星期中的第几天(1~7)
    • YEAR(date):返回日期date的年份(1000~9999)
    • MONTH(date):返回date的月份值(1~12)
    • DAY(date):返回date的天数部分
    • HOUR(time):返回time的小时值(0~23)
    • MINUTE(time):返回time的分钟值(0~59)
    • SECOND(time):返回time的秒值(0-59)
    • DATE(datetime):返回datetime的日期值
    • TIME(datetime):返回datetime的时间值
    • DATEDIFF(expr,expr2) :返回起始时间 expr和结束时间expr2之间相差的天数

    其他

    • LAST_INSERT_ID():返回最后一个INSERT或 UPDATE 问询为 AUTO_INCREMENT列设置的第一个 发生的值
    • ROW_COUNT():返回被前面语句升级的、插入的或删除的行数
    • SLEEP(duration) :睡眠时间为duration 参数给定的秒数,然后返回 0。若 SLEEP() 被中断,它会返回 1
    • IF(expr1,expr2,expr3) :如果 expr1 是TRUE ,则返回expr2,否则返回expr3
    • IFNULL(expr1,expr2):假如expr1不为 NULL,则返回expr1,否则返回expr2
  • 相关阅读:
    经验1
    Caffe和MatConvNet安装
    Matconvet的学习笔记
    CNN数据准备
    深度学习之卷积和池化
    深度学习之CNN的推导
    深度学习八(总结)
    深度学习七(卷积神经网络)
    深度学习六
    深度学习五
  • 原文地址:https://www.cnblogs.com/tangxuliang/p/9078949.html
Copyright © 2020-2023  润新知