【SQL基础语法入门】:从零基础到SQL语言大师

发布时间: 2024-07-24 06:45:51 阅读量: 21 订阅数: 18
![【SQL基础语法入门】:从零基础到SQL语言大师](https://imgconvert.csdnimg.cn/aHR0cHM6Ly9tbWJpei5xcGljLmNuL3N6X21tYml6X3BuZy9Bb2xrWGZpYzlsZElaZHZDUmJzanlaMFJkNEQxaWFOU2lhVWI3eTZYY2Y3QmhvYTdoR0Vjbm5ZWW1OS0VIZlhITTFLMllDMHNHUGNKOUhINFAxMklLUTFRUS82NDA?x-oss-process=image/format,png) # 1. SQL基础概念** SQL(Structured Query Language,结构化查询语言)是一种用于与关系型数据库进行交互的编程语言。它允许用户创建、查询、更新和删除数据库中的数据。 SQL由一系列命令组成,这些命令可以分组为以下类别: - 数据操作语言(DML):用于操作数据库中的数据,例如插入、更新和删除记录。 - 数据定义语言(DDL):用于定义和修改数据库结构,例如创建和删除表。 - 数据查询语言(DQL):用于从数据库中检索数据,例如使用SELECT语句。 # 2. SQL数据操作语言(DML) ### 2.1 SELECT语句:数据查询 #### 2.1.1 基本语法 ```sql SELECT column_name1, column_name2, ... FROM table_name WHERE condition; ``` **参数说明:** * `column_name1`, `column_name2`, ...:要查询的列名,可以用 `*` 表示查询所有列。 * `table_name`:要查询的表名。 * `condition`:查询条件,用于筛选符合条件的行。 **逻辑分析:** `SELECT` 语句用于从表中查询数据。它指定要查询的列和表,并使用 `WHERE` 子句对结果进行筛选。 #### 2.1.2 筛选条件 `WHERE` 子句用于指定查询条件,它支持各种比较运算符和逻辑运算符。 **比较运算符:** * `=`:等于 * `!=`:不等于 * `>`:大于 * `<`:小于 * `>=`:大于等于 * `<=`:小于等于 **逻辑运算符:** * `AND`:逻辑与,两个条件都满足才返回真。 * `OR`:逻辑或,两个条件中满足一个就返回真。 * `NOT`:逻辑非,对条件取反。 **示例:** ```sql SELECT * FROM customers WHERE age > 30 AND gender = 'male'; ``` **逻辑分析:** 该查询返回年龄大于 30 岁且性别为男性的所有客户信息。 #### 2.1.3 排序和分组 `SELECT` 语句还支持对结果进行排序和分组。 **排序:** ```sql SELECT column_name FROM table_name ORDER BY column_name ASC/DESC; ``` **参数说明:** * `column_name`:要排序的列名。 * `ASC`:升序排列(从小到大)。 * `DESC`:降序排列(从大到小)。 **分组:** ```sql SELECT column_name, aggregate_function(column_name) FROM table_name GROUP BY column_name; ``` **参数说明:** * `column_name`:要分组的列名。 * `aggregate_function`:聚合函数,用于对分组后的数据进行汇总,如 `SUM()`, `COUNT()`, `AVG()`. **示例:** ```sql SELECT gender, COUNT(*) AS num_customers FROM customers GROUP BY gender; ``` **逻辑分析:** 该查询按性别对客户进行分组,并统计每组客户的数量。 # 3. 创建表 #### 3.1.1 基本语法 ```sql CREATE TABLE table_name ( column_name data_type [constraints], ... ); ``` **参数说明:** * `table_name`: 要创建的表名。 * `column_name`: 列名。 * `data_type`: 列的数据类型。 * `constraints`: 列的约束条件,如 `NOT NULL`、`UNIQUE`、`PRIMARY KEY` 等。 **示例:** ```sql CREATE TABLE employees ( id INT NOT NULL AUTO_INCREMENT, name VARCHAR(255) NOT NULL, salary DECIMAL(10, 2) NOT NULL, PRIMARY KEY (id) ); ``` #### 3.1.2 数据类型和约束 **数据类型:** | 数据类型 | 描述 | |---|---| | INT | 整数 | | VARCHAR(n) | 可变长度字符串,最大长度为 n | | DECIMAL(p, s) | 定点数,精度为 p,小数位数为 s | | DATE | 日期 | | TIME | 时间 | | DATETIME | 日期和时间 | **约束条件:** | 约束条件 | 描述 | |---|---| | NOT NULL | 列不能为 NULL | | UNIQUE | 列中的值必须唯一 | | PRIMARY KEY | 列是表的唯一标识符 | | FOREIGN KEY | 列引用另一个表中的主键 | **示例:** ```sql CREATE TABLE orders ( id INT NOT NULL AUTO_INCREMENT, customer_id INT NOT NULL, product_id INT NOT NULL, quantity INT NOT NULL, PRIMARY KEY (id), FOREIGN KEY (customer_id) REFERENCES customers(id), FOREIGN KEY (product_id) REFERENCES products(id) ); ``` 在这个示例中,`orders` 表具有以下约束: * `id` 列是主键,不能为 NULL,并且自动递增。 * `customer_id` 列引用 `customers` 表中的 `id` 列,表示订单所属的客户。 * `product_id` 列引用 `products` 表中的 `id` 列,表示订单中的产品。 # 4. SQL数据查询语言(DQL) **4.1 JOIN操作:关联表** **4.1.1 基本语法** JOIN操作用于将两个或多个表中的数据基于公共列或表达式进行关联,从而扩展查询结果。基本语法如下: ```sql SELECT 列名1, 列名2, ... FROM 表名1 JOIN 表名2 ON 表名1.公共列 = 表名2.公共列 ``` **4.1.2 不同类型的JOIN** SQL支持多种类型的JOIN,包括: * **INNER JOIN:**仅返回公共列匹配的行。 * **LEFT JOIN:**返回表名1中的所有行,即使表名2中没有匹配的行。 * **RIGHT JOIN:**返回表名2中的所有行,即使表名1中没有匹配的行。 * **FULL JOIN:**返回表名1和表名2中的所有行,无论是否存在匹配。 **4.2 子查询:嵌套查询** **4.2.1 基本语法** 子查询是嵌套在另一个查询中的查询,它可以返回一个值或一组行,用于作为外部查询中的条件或表达式。基本语法如下: ```sql SELECT 列名1, 列名2, ... FROM 表名 WHERE 条件 IN (SELECT 列名 FROM 子查询) ``` **4.2.2 相关子查询和非相关子查询** 子查询可以分为相关子查询和非相关子查询: * **相关子查询:**内部查询引用外部查询中的列或变量,因此外部查询的结果会影响内部查询的结果。 * **非相关子查询:**内部查询不引用外部查询中的任何列或变量,因此外部查询的结果不会影响内部查询的结果。 **4.3 聚合函数:数据汇总** **4.3.1 基本语法** 聚合函数用于对一组行执行计算并返回单个值,从而汇总数据。基本语法如下: ```sql SELECT 聚合函数(列名) AS 别名 FROM 表名 GROUP BY 分组列 ``` **4.3.2 常用聚合函数** 常用的聚合函数包括: * **SUM:**求和 * **COUNT:**计数 * **AVG:**平均值 * **MIN:**最小值 * **MAX:**最大值 **示例:** 以下示例使用JOIN操作关联两个表,并使用聚合函数计算每个部门的员工总数: ```sql SELECT d.部门名称, COUNT(e.员工编号) AS 员工总数 FROM 部门 d JOIN 员工 e ON d.部门编号 = e.部门编号 GROUP BY d.部门名称 ``` **代码逻辑解读:** * `JOIN`操作将`部门`表和`员工`表基于`部门编号`列关联。 * `COUNT(e.员工编号)`聚合函数计算每个部门的员工总数。 * `GROUP BY d.部门名称`将结果按部门名称分组。 # 5. SQL高级特性** **5.1 存储过程:可重用代码** 存储过程是一种预编译的SQL语句块,可以存储在数据库中并被多次调用。它允许用户封装复杂的SQL操作,从而提高代码的可重用性和可维护性。 **5.1.1 基本语法** ```sql CREATE PROCEDURE procedure_name ( -- 参数列表 ) AS BEGIN -- SQL 语句 END; ``` **5.1.2 参数传递** 存储过程可以接受参数,这使得它们可以根据不同的输入值执行不同的操作。参数可以在存储过程创建时定义,如下所示: ```sql CREATE PROCEDURE add_product ( IN product_id INT, IN product_name VARCHAR(50), IN product_price DECIMAL(10, 2) ) AS BEGIN -- SQL 语句 END; ``` 在调用存储过程时,需要提供实际的参数值,如下所示: ```sql CALL add_product(10, 'Product X', 100.00); ``` **5.2 触发器:自动执行操作** 触发器是一种数据库对象,当满足特定条件时,它会自动执行一组SQL语句。触发器通常用于在对表进行插入、更新或删除操作时执行特定的操作。 **5.2.1 基本语法** ```sql CREATE TRIGGER trigger_name ON table_name FOR INSERT | UPDATE | DELETE AS BEGIN -- SQL 语句 END; ``` **5.2.2 触发器类型** 触发器可以是以下类型之一: * **BEFORE触发器:**在操作执行之前执行。 * **AFTER触发器:**在操作执行之后执行。 * **INSTEAD OF触发器:**替换操作的默认行为。 **5.3 视图:虚拟表** 视图是一种虚拟表,它从一个或多个表中派生数据。视图不存储实际数据,而是根据查询定义动态生成数据。这使得视图非常适合创建摘要表、汇总数据或提供对数据的不同视角。 **5.3.1 基本语法** ```sql CREATE VIEW view_name AS SELECT -- 选择列 FROM -- 表或视图 WHERE -- 筛选条件 ``` **5.3.2 视图的创建和使用** 视图可以在需要时创建,并且可以像普通表一样使用。例如,以下查询使用视图来查找所有价格大于 100 美元的商品: ```sql SELECT * FROM product_view WHERE product_price > 100; ```
corwn 最低0.47元/天 解锁专栏
送3个月
profit 百万级 高质量VIP文章无限畅学
profit 千万级 优质资源任意下载
profit C知道 免费提问 ( 生成式Al产品 )

相关推荐

LI_李波

资深数据库专家
北理工计算机硕士,曾在一家全球领先的互联网巨头公司担任数据库工程师,负责设计、优化和维护公司核心数据库系统,在大规模数据处理和数据库系统架构设计方面颇有造诣。
专栏简介
欢迎来到我们的 SQL 数据库基础语句专栏!本专栏从零基础起步,深入浅出地讲解 SQL 语言的方方面面,助你成为 SQL 大师。 我们涵盖了从基础语法到高级技巧的所有内容,包括: * 死锁分析与解决 * 表锁问题解析 * 数据类型大全 * 约束详解(主键、外键、唯一约束) * 性能优化秘籍(索引、缓存、查询优化) * 查询优化技巧(索引选择、查询重写) * 查询计划分析 * 数据分析入门 * 聚合函数详解(SUM、COUNT、AVG、MIN、MAX) * 分组和排序 * 并发控制(锁机制、死锁问题) * 乐观锁与悲观锁 * 存储过程与函数 * 触发器详解 * 游标解析 通过本专栏,你将掌握 SQL 的核心概念、最佳实践和高级技巧,从而提升你的数据库技能,优化你的应用程序性能,并从数据中提取有价值的信息。
最低0.47元/天 解锁专栏
送3个月
百万级 高质量VIP文章无限畅学
千万级 优质资源任意下载
C知道 免费提问 ( 生成式Al产品 )

最新推荐

Pandas中的文本数据处理:字符串操作与正则表达式的高级应用

![Pandas中的文本数据处理:字符串操作与正则表达式的高级应用](https://www.sharpsightlabs.com/wp-content/uploads/2021/09/pandas-replace_simple-dataframe-example.png) # 1. Pandas文本数据处理概览 Pandas库不仅在数据清洗、数据处理领域享有盛誉,而且在文本数据处理方面也有着独特的优势。在本章中,我们将介绍Pandas处理文本数据的核心概念和基础应用。通过Pandas,我们可以轻松地对数据集中的文本进行各种形式的操作,比如提取信息、转换格式、数据清洗等。 我们会从基础的字

Analyzing Trends in Date Data from Excel Using MATLAB

# Introduction ## 1.1 Foreword In the current era of information explosion, vast amounts of data are continuously generated and recorded. Date data, as a significant part of this, captures the changes in temporal information. By analyzing date data and performing trend analysis, we can better under

Technical Guide to Building Enterprise-level Document Management System using kkfileview

# 1.1 kkfileview Technical Overview kkfileview is a technology designed for file previewing and management, offering rapid and convenient document browsing capabilities. Its standout feature is the support for online previews of various file formats, such as Word, Excel, PDF, and more—allowing user

Parallelization Techniques for Matlab Autocorrelation Function: Enhancing Efficiency in Big Data Analysis

# 1. Introduction to Matlab Autocorrelation Function The autocorrelation function is a vital analytical tool in time-domain signal processing, capable of measuring the similarity of a signal with itself at varying time lags. In Matlab, the autocorrelation function can be calculated using the `xcorr

Python序列化与反序列化高级技巧:精通pickle模块用法

![python function](https://journaldev.nyc3.cdn.digitaloceanspaces.com/2019/02/python-function-without-return-statement.png) # 1. Python序列化与反序列化概述 在信息处理和数据交换日益频繁的今天,数据持久化成为了软件开发中不可或缺的一环。序列化(Serialization)和反序列化(Deserialization)是数据持久化的重要组成部分,它们能够将复杂的数据结构或对象状态转换为可存储或可传输的格式,以及还原成原始数据结构的过程。 序列化通常用于数据存储、

Python print语句装饰器魔法:代码复用与增强的终极指南

![python print](https://blog.finxter.com/wp-content/uploads/2020/08/printwithoutnewline-1024x576.jpg) # 1. Python print语句基础 ## 1.1 print函数的基本用法 Python中的`print`函数是最基本的输出工具,几乎所有程序员都曾频繁地使用它来查看变量值或调试程序。以下是一个简单的例子来说明`print`的基本用法: ```python print("Hello, World!") ``` 这个简单的语句会输出字符串到标准输出,即你的控制台或终端。`prin

PyCharm Python Version Management and Version Control: Integrated Strategies for Version Management and Control

# Overview of Version Management and Version Control Version management and version control are crucial practices in software development, allowing developers to track code changes, collaborate, and maintain the integrity of the codebase. Version management systems (like Git and Mercurial) provide

Image Processing and Computer Vision Techniques in Jupyter Notebook

# Image Processing and Computer Vision Techniques in Jupyter Notebook ## Chapter 1: Introduction to Jupyter Notebook ### 2.1 What is Jupyter Notebook Jupyter Notebook is an interactive computing environment that supports code execution, text writing, and image display. Its main features include: -

Python pip升级不求人

![Python pip升级不求人](https://img-blog.csdnimg.cn/4dc3f55b55bc4c048f43c10be7cfb62f.png) # 1. Python pip的基础与版本管理 Python是当前最流行的编程语言之一,而pip作为Python的包管理工具,极大地简化了安装和管理第三方库的过程。本章将对pip的基础使用和版本管理进行深入探讨,为后续章节中pip升级机制的理论解析和实践操作打下坚实的基础。 ## 1.1 pip的基本用法 pip的基本用法涵盖了安装、卸载以及列出Python包,这些是任何Python开发者都应熟练掌握的基础操作。例如,安

[Frontier Developments]: GAN's Latest Breakthroughs in Deepfake Domain: Understanding Future AI Trends

# 1. Introduction to Deepfakes and GANs ## 1.1 Definition and History of Deepfakes Deepfakes, a portmanteau of "deep learning" and "fake", are technologically-altered images, audio, and videos that are lifelike thanks to the power of deep learning, particularly Generative Adversarial Networks (GANs