select pu.KNWLG_ID from KMS_PROPERTY_USAGE pu where pu.IND_ATTR_ID in ('1','2','3') 要求in 条件中的每一个条件值都满足，要如何修改sql

要求 `in` 条件中的每一个条件值都满足，可以使用以下方式修改 SQL：

SELECT pu.KNWLG_ID
FROM KMS_PROPERTY_USAGE pu
WHERE EXISTS (
  SELECT 1
  FROM (
    SELECT '1' AS IND_ATTR_ID FROM dual
    UNION ALL
    SELECT '2' AS IND_ATTR_ID FROM dual
    UNION ALL
    SELECT '3' AS IND_ATTR_ID FROM dual
  ) allowed_values
  WHERE allowed_values.IND_ATTR_ID = pu.IND_ATTR_ID
  HAVING COUNT(*) = 3
)

这个查询中使用了 `EXISTS` 和一个子查询来判断 `pu.IND_ATTR_ID` 是否都在 `('1', '2', '3')` 中。子查询中的三个 `SELECT` 语句用来生成允许的值列表，然后将之与 `pu.IND_ATTR_ID` 进行比较，如果全部匹配，则返回 true，否则返回 false。

需要注意的是，这个查询中 `('1', '2', '3')` 是硬编码的值，如果需要动态传参，可以将它们替换成绑定变量。

相关问题

df_A_0 = df_normalized_data[kms.labels_ == 0] df_A_1 = df_normalized_data[kms.labels_ == 1] df_A_2 = df_normalized_data[kms.labels_ == 2] df_A_3 = df_normalized_data[kms.labels_ == 3] df_A_4 = df_normalized_data[kms.labels_ == 4]

这段代码是对聚类结果进行处理的代码。假设使用 KMeans 算法将数据聚成了 5 类，那么上述代码就是将原始数据中被聚为第 0 类的数据提取出来赋值给 df_A_0，被聚为第 1 类的数据提取出来赋值给 df_A_1，以此类推，最终可以得到 5 个 DataFrame，分别包含了每一类的数据。这样可以方便后续对每一类数据进行不同的处理或分析。

如何使用循环输出df_A_0 = df_normalized_data[kms.labels_ == 0] df_A_1 = df_normalized_data[kms.labels_ == 1] df_A_2 = df_normalized_data[kms.labels_ == 2] df_A_3 = df_normalized_data[kms.labels_ == 3] df_A_4 = df_normalized_data

可以使用循环语句来遍历每一个聚类标签，然后根据标签提取出对应的数据，示例如下：

for i in range(5):
    df_A = df_normalized_data[kms.labels_ == i]
    print(f"df_A_{i}:")
    print(df_A)

这个示例中使用 for 循环遍历了 5 个标签，每次提取对应标签的数据并赋值给 df_A，然后输出 df_A 的名称以及对应的数据。这样可以自动化地输出每一类的数据，避免了手动重复编写代码的麻烦。