MySQL——单表查询(素材+习题)

2023-05-16

例题

1.查询全部课程的信息。

2.查询信工学院开设的课程名、课程号及学分。

3.查询学分超过3学分的课程代码、课程名和开课单位。

4.查询计科专业和大数据专业的学生信息。

5.查询不是信工学院的学生姓名和学号。

6.查询年龄是17,18,19的学生姓名和专业。

7.查询学分在2到4之间课程的信息。

8.查询课程名称中带“数据”的课程名、课程号及开课单位。

9.查询信工学院的的专业有哪些。

10.查询年龄为空的学生信息。

11.查询不是信工学院开设的集中实践课的开课单位和课程名称。

12.查询信工学院开设的课程的类型有哪些。

13.查询专业所在的学生个数。

14.查询信工学院开设的课程的平均学分。

15.查询学生的信息,查询结果按姓名升序排序。

16.查询每个专业的学生的最大年龄、最小年龄和平均年龄,查询结果按平均年龄降序排列。

17.查询每个开课单位开设的课程门数,查询结果按课程门数升序排列。

18.查询单位开课门数少于2门的开课单位和课程名称。

素材

student表:

CREATE TABLE `course` (
  `cs_id` int(11) NOT NULL COMMENT '课程编号',
  `cs_name` varchar(50) NOT NULL COMMENT '课程名称',
  `cs_credit` tinyint(255) unsigned DEFAULT NULL COMMENT '课程学分',
  `cs_type` char(12) DEFAULT NULL COMMENT '课程类别',
  `cs_depart` char(6) DEFAULT NULL COMMENT '院系名称',
  PRIMARY KEY (`cs_id`)
) ENGINE=InnoDB DEFAULT CHARSET=utf8;
//向表中插入数据
insert  into `course`(`cs_id`,`cs_name`,`cs_credit`,`cs_type`,`cs_depart`) values
(5200313,'数据库原理及应用',4,'核心专业','信工'),
(5203314,'计算机导论',4,'通识教育','信工'),
(5219314,'数据结构',5,'专业核心','信工'),
(5223013,'大学物理',4,'专业基础','信工'),
(5227614,'毕业实习',4,'集中实践','信工'),
(5230912,'云计算',2,'共同选修','信工'),
(5236212,'机器学习',2,'共同选修','信工'),
(5237514,'c语言',4,'专业基础','信工'),
(5245112,'区块链',2,'任意选修','信工'),
(7200422,'知识产权法',2,'任意选修','文法'),
(20201833,'概率论',3,'专业基础','基础'),
(20202336,'高等数学',6,'专业基础','基础'),
(29299131,'劳动教育',1,'集中实践','学务');

score表:

CREATE TABLE `student` (
  `stu_id` bigint(11) unsigned NOT NULL COMMENT '学号',
  `stu_name` char(12) NOT NULL COMMENT '姓名',
  `stu_sex` enum('男','女') DEFAULT NULL COMMENT '性别',
  `stu_age` tinyint(255) unsigned DEFAULT NULL COMMENT '年龄',
  `stu_major` char(9) DEFAULT NULL COMMENT '专业',
  `stu_college` char(12) DEFAULT NULL COMMENT '学院',
  PRIMARY KEY (`stu_id`)
) ENGINE=InnoDB DEFAULT CHARSET=utf8;
//向表中插入数据
insert  into `student`(`stu_id`,`stu_name`,`stu_sex`,`stu_age`,`stu_major`,`stu_college`) values 
(201804550101,'郭奎','男',22,'计科','信工学院'),
(201804550102,'吕宇航','男',18,'计科','信工学院'),
(201804550103,'张豪辉','女',19,'计科','信工学院'),
(201804550107,'丁志杰','男',17,'金融学','金贸学院'),
(201804550109,'范伟','男',19,'金融学','金贸学院'),
(201804550116,'张依婷','女',17,'大数据','信工学院'),
(201804550120,'张维','男',19,'计科','信工学院'),
(201804550121,'朱柳阳','女',20,'计科','信工学院'),
(201804550144,'谭兵炎','男',20,'大数据','信工学院'),
(201804550153,'杨志强','男',17,'大数据','信工学院');

1.查询全部课程的信息。

mysql> select cs_name from course;

在这里插入图片描述
2.查询信工学院开设的课程名、课程号及学分。

mysql> select cs_id,cs_name,cs_credit from course
    -> where cs_depart='信工';

在这里插入图片描述
3.查询学分超过3学分的课程代码、课程名和开课单位。

mysql> select cs_id,cs_name,cs_depart from course
    -> where cs_credit > 3;

在这里插入图片描述
4.查询计科专业和大数据专业的学生信息。

mysql> select * from student
    -> where stu_major = '计科' or stu_major = '大数据';

在这里插入图片描述
5.查询不是信工学院的学生姓名和学号。

方法一:
mysql> select stu_name,stu_major from student
    -> where stu_college != '信工学院';
方法二:
mysql> select stu_name,stu_major from student
    -> where stu_college <> '信工学院';

在这里插入图片描述
6.查询年龄是17,18,19的学生姓名和专业。

mysql> select stu_name,stu_major from student
    -> where stu_age in(17,18,19);

在这里插入图片描述
7.查询学分在2到4之间课程的信息。

mysql> select * from course
    -> where cs_credit between 2 and 4;

在这里插入图片描述
8.查询课程名称中带“数据”的课程名、课程号及开课单位。

mysql> select cs_id,cs_name,cs_depart from course
    -> where cs_name like '%数据%';

在这里插入图片描述
9.查询信工学院的的专业有哪些。

mysql> select distinct(stu_major) from student;

在这里插入图片描述
10.查询年龄为空的学生信息。

mysql> select * from student
    -> where stu_age is null;	//等价where stu_age = null;

该表为空。

11.查询不是信工学院开设的集中实践课的开课单位和课程名称。

mysql> select cs_depart,cs_name from course 
    -> where cs_depart != '信工' and cs_type = '集中实践';

在这里插入图片描述
12.查询信工学院开设的课程的类型有哪些。

mysql> select distinct cs_type from course
    -> where cs_depart = '信工';

在这里插入图片描述
13.查询专业所在的学生个数。

mysql> select distinct(stu_major),count(*) as total from student
    -> group by stu_major;

在这里插入图片描述
14.查询信工学院开设的课程的平均学分。

mysql> select cs_depart,AVG(cs_credit) from course
    -> where cs_depart = '信工';

在这里插入图片描述
15.查询学生的信息,查询结果按姓名升序排序。

mysql> select * from student
    -> order by convert(stu_name using gbk);	//默认为升序,asc为升序

在这里插入图片描述

第15题小结:
convert('stu_name using gbk)是为了对中文字符进行排序

16.查询每个专业的学生的最大年龄、最小年龄和平均年龄,查询结果按平均年龄降序排列。

mysql> select stu_major,MAX(stu_age),MIN(stu_age),AVG(stu_age) from student
    -> group by stu_major
    -> order by AVG(stu_age) desc;

在这里插入图片描述
17.查询每个开课单位开设的课程门数,查询结果按课程门数升序排列。

mysql> select cs_depart,count(*) as total from course
    -> group by cs_depart
    -> order by count(*);

在这里插入图片描述
18.查询单位开课门数少于2门的开课单位和课程名称。

mysql> select cs_depart,cs_name from course
    -> group by cs_depart
    -> having count(*) < 2;

在这里插入图片描述
返回顶部

第18题小结:
如要同时显示课程名称,需要修改MySQL配置文件,在/etc/my.cnf配置文件里面添加下列语句:
sql_mode = “STRICT_TRANS_TABLES,NO_ZERO_IN_DATE,NO_ZERO_DATE,ERROR_FOR_DIVISION_BY_ZERO,NO_AUTO_CREATE_USER,NO_ENGINE_SUBSTITUTION”
添加完语句之后重启MySQL。

本文内容由网友自发贡献,版权归原作者所有,本站不承担相应法律责任。如您发现有涉嫌抄袭侵权的内容,请联系:hwhale#tublm.com(使用前将#替换为@)

MySQL——单表查询(素材+习题) 的相关文章

  • 网络操作系统 第十四章 网络操作系统安全管理

    习题 1 网络中存在的安全问题有哪些 xff1f 1 xff09 信息窃取 2 xff09 数据篡改 3 xff09 非法攻击 2 简述Windows Server 2008系统中提供了哪些安全管理功能 xff08 1 xff09 物理安全
  • [How TO]-如何使用Sphinx编写漂亮的文档

    快速链接 x1f449 x1f449 x1f449 个人博客笔记导读目录 全部 x1f448 x1f448 x1f448 文章目录 背景环境搭建 安装Sphinx工具创建一个项目编译项目 关键词 Sphinx readthedocs reS
  • linux 烧写树莓派sd卡,树莓派3b+从0开始:(2)SD卡的配置

    从上篇文章里已经了解到 xff0c ROM里的出厂代码决定了 xff1a GPU启动之后 xff0c 只能去SD卡上的FAT32格式的文件系统里的目录下 xff0c 寻找一个叫bootcode bin的启动文件 所以 xff0c 将SD卡里
  • android zram 命令,Android 内存管理

    概述 虚拟内存 2 1 分页 2 2 内存映射 内存不足时的处理 3 1 kswapd 3 2 LMK 虚拟机 4 1 堆空间划分 4 2 回收算法 在看这篇文章之前 xff0c 需要Linux内存管理基础 xff0c 推荐Linux 内存
  • C语言--结构体指针需要malloc

    如果定义一个结构体类型的普通变量 xff0c 可以不malloc动态申请内存 xff0c CPU会为这个结构体变量分配内存 如果定义的是一个结构体的指针 xff0c CPU会为这个指针开辟内存 xff0c 但是此时这个大小是4 xff08
  • Git分支创建命令

    Git分支创建命令 万次阅读 多人点赞 span class token number 2019 span span class token operator span span class token number 06 span spa
  • 「LSTM 之父」亲笔万字长文,只为向世人证明:深度学习不是在母语为英语的地方被发明的

    导语 xff1a 最重要的并不是谁发明了某项技术 xff0c 而是技术本身对于人类文明发展所具有的无上价值 xff01 雷锋网 AI 科技评论按 xff1a 毫无疑问 xff0c 深度学习是影响当今世界科技发展的最重要的技术之一 2018
  • 多任务学习-Multitask Learning概述

    2020 02 22 09 59 48 1 单任务学习VS多任务学习 单任务学习 xff1a 一次只学习一个任务 xff08 task xff09 xff0c 大部分的机器学习任务都属于单任务学习 多任务学习 xff1a 把多个相关 xff
  • 任奎:人工智能算法安全浅析——深度学习中的对抗攻击与防御

    2020 05 19 19 52 46 任奎 随着计算机产业发展带来的计算性能与处理能力的大幅提高 xff0c 人工智能在音视频识别 自然语言处理和博弈论等领域得到了广泛应用 在此背景下 xff0c 确保人工智能的核心 深度学习算法具有可靠
  • AI构图:AI摄影的新未来

    编辑导语 xff1a AI与摄影相结合已经不是新鲜事 xff0c 新鲜的是二者结合的方式 对于很多小伙伴来说 xff0c 拍照时最大的困扰就是不知道该如何构图 xff0c 如今AI构图已经出现了 xff0c 手机会在你拍照的时候针对情况做出
  • 浅谈民用无人机的行业化应用场景

    随着技术的发展 xff0c 人类在力学 材料学 电子技术 自动控制 计算机等方面陆续取得进步 xff0c 研制出了迷你无人机 xff0c 机型更加小巧 性能更加稳定 xff0c 同时无人机更加进步 智能化的技能 xff0c 催发了民用无人机
  • Spring Boot 整合Logback记录日志

    Spring Boot 专栏 xff1a https blog csdn net dkbnull category 9278145 html Spring Cloud 专栏 xff1a https blog csdn net dkbnull
  • 对于AI 既有期待也要思考

    近日 xff0c 在第五届世界智能大会新闻发布会上 xff0c 包括发改委 科技部 工信部等在内的多部门相关负责人表示 xff0c 将更加注重我国人工智能行业顶层设计 xff0c 全力推动人工智能产业发展 关于AI xff0c 笔者有两个问
  • 神经网络中Batch和Epoch之间的区别是什么?

    神经网络中Batch和Epoch之间的区别是什么 xff1f https mp weixin qq com s FFF6RSudAas7j2vHqP5j2Q 随机梯度下降法是一种具有大量超参数的学习算法 通常会使初学者感到困惑的两个超参数
  • 大脑升维:人工智能浪潮下的适者生存之道

    https www toutiao com a6675488003453878792 的媒介 xff0c 大家的主要精力放在思想输出的训练上 xff0c 而不是知识信息的输入上 xff0c 这样的大脑修炼速度在中维知识层面上是 慢 的 xf
  • 人工智能技术映射出来的16个行业66个应用场景!

    近期 xff0c 国际数据公司 xff08 IDC xff09 与百度AI产业研究中心 xff08 BACC xff09 联合发布了 百度大脑领导力白皮书 xff0c 白皮书中追踪了16个行业的66个应用场景 xff0c 并将人工智能在企业
  • 图像识别AI遇上对抗性图像变“瞎子”,准确率猛降90%

    https www toutiao com a6715945584722706956 在视觉方面 xff0c AI和人类的差距有多大 xff1f 来自UC Berkeley等高校的研究人员创建了一个包含7500个 自然对抗实例 的数据集 x
  • linux线程io调度策略,Linux IO调度算法

    IO调度器的总体目标是希望让磁头能够总是往一个方向移动 移动到底了再往反方向走 这恰恰就是现实生活中的电梯模型 所以IO调度器也被叫做电梯 elevator 而相应的算法也就被叫做电梯算法 而Linux中IO调度的电梯算法有好几种 一个叫做
  • 无人机入门(一)位置与电机速度控制

    无人机入门 xff08 一 xff09 作为无人机入门PX4可能过于庞大 xff0c 目前还没有支持ros noetic xff0c 而且PX4的底层框架我看也用到了ethz实验室的rotors xff0c 因此选用该模型作为入门首选 因为
  • de1 soc linux开发实例,DE1_SoC的第一次接触

    Altera 2013 教师会议上友晶科技在大陆地区正式推出了DE1 SoC xff0c 有消息称明年的亚洲创新大赛将采用SoC FPGA作为核心器件 那这也将预示着SoC FPGA正式进入了校园 作为一片性能适中的开发板 xff0c 有着

随机推荐