數據准備
注意：涉及到命令操作的時候最好在命令結束的時候檢查一下
涉及到表字段加多 窗口顯示錯亂的情況下可是使用\G分行展示
#新建一個表 create table emp( id int primary key auto_increment, name varchar(20) not null, gender enum('male','female') not null default 'male', #大部分是男的 age int(3) unsigned not null default 28, hire_date date not null, post varchar(50), post_comment varchar(100), salary double(15,2), office int, #一個部門一個屋子 depart_id int ); #插入記錄 #三個部門：教學，銷售，運營 insert into emp(name,gender,age,hire_date,post,salary,office,depart_id) values ('jason','male',18,'20170301','張江第一帥形象代言',7300.33,401,1), #以下是教學部 ('tom','male',78,'20150302','teacher',1000000.31,401,1), ('kevin','male',81,'20130305','teacher',8300,401,1), ('tony','male',73,'20140701','teacher',3500,401,1), ('owen','male',28,'20121101','teacher',2100,401,1), ('jack','female',18,'20110211','teacher',9000,401,1), ('jenny','male',18,'19000301','teacher',30000,401,1), ('sank','male',48,'20101111','teacher',10000,401,1), ('哈哈','female',48,'20150311','sale',3000.13,402,2),#以下是銷售部門 ('呵呵','female',38,'20101101','sale',2000.35,402,2), ('西西','female',18,'20110312','sale',1000.37,402,2), ('樂樂','female',18,'20160513','sale',3000.29,402,2), ('拉拉','female',28,'20170127','sale',4000.33,402,2), ('僧龍','male',28,'20160311','operation',10000.13,403,3), #以下是運營部門 ('程咬金','male',18,'19970312','operation',20000,403,3), ('程咬銀','female',18,'20130311','operation',19000,403,3), ('程咬銅','male',18,'20150411','operation',18000,403,3), ('程咬鐵','female',18,'20140512','operation',17000,403,3);
下圖是創建好的原表
查詢關鍵字：where篩選
注意：在寫SQL語句的時候先寫select * from 表名 這個主體語法 之后根據實際的情況在表名后面添加關鍵字最后在修改*處的語句
where篩選條件
1.查詢id大於等於3小於等於6的數據
select id,name from emp where id >= 3 and id <= 6; select * from emp where id between 3 and 6;
2.查詢薪資是20000或者18000或者17000的數據
select * from emp where salary = 20000 or salary = 18000 or salary = 17000; select * from emp where salary in (20000,18000,17000);
3.模糊查詢
關鍵字：like
關鍵符號：% 匹配任意個數的任意字符
_ 匹配單個個數的任意字符
練習：查詢員工姓名中包含o字母的暈姓名和薪資
select name,salary from emp where name like '%o%';
4.查詢員工姓名是由四個字符組成的員工姓名和其薪資
select name,salary from emp where name like '____'; select name,salary from emp where char_length(name)=4;
5.查詢薪資不在20000,18000,17000范圍的數據
select * from emp where salary not in (20000,18000,17000);
6.查詢崗位描述為空的員工名與崗位名 針對null不能用等號，只能用is
select name,post from emp where post_comment = NULL; 錯誤的示范
查詢為空
select name,post from emp where post_comment is NULL; 正確
查詢關鍵字：group by分組
分組：按照指定的條件將單個的個體分成一個個整體
例子：按照性別將人分為男性和女性
按照部門將員工分為多個部門
按照年齡將人分為各個不同的年齡段
補充：在查詢題目中需不需要分組其實都是有關鍵字的最為經典的就是：每個部門 每個國家 每個省份
1.按照部門進行分組
select post from emp group by post;
注意：分組之后默認只可以直接獲取到分組的依據 無法再獲取內部單個個體數據
如果想要獲取需要借助一點小方法
set global sql_mode="strict_trans_tables,only_full_group_by";
聚合函數
主要用於分組之后的數據處理
max 最大值
min 最小值
avg 平均值
sum 求和
count 計數
1.獲取每個部門的最高工資
select post,max(salary) from emp group by post;
2.獲取每個部門最低的工資
select post,min(salary) from emp group by post;
3.獲取每個部門的平均薪資
select post,avg(salary) from emp group by post;
4.獲取每個部門的薪資總和
select post,sum(salary) from emp group by post;
5.獲取每個部門的員工人數
select post,count(id) from emp group by post;
重點在於理解計數內的字段
查詢關鍵字：having過濾
having與where功能其實都是篩選數據
where分組之前的篩選
having分組之后的篩選
統計各部門年齡早30歲以上的員工平均工資，並且保留平均工資大於10000的部門
1.統計各部門平均工資
select post,avg(salary) from emp group by post;
2.在分組之前先對數據進行篩選
select post,avg(salary) from emp where age > 30 group by post;
3.分組之后還要對數據進行過濾
select post,avg(salary) from emp where age > 30 group by post having avg(salary) > 10000;
查詢關鍵字：distinct去重
去重的前提是數據必須一模一樣才可以
select distinct post from emp;
查詢關鍵字：order by排序
select * from emp order by salary; 默認是升序
select * from emp order by salary asc; asc是升序關鍵字 不寫則默認 跟上圖一樣
select * from emp order by salary desc; 降序
select * from emp order by age asc,salary desc; 年齡按照升序 薪資按照降序
統計各部門年齡早10歲以上的員工平均工資，並且保留平均工資大於10000的部門，然后對平均工資進行排序
select post,avg(salary) from emp where age > 10 group by post having avg(salary) > 1000 order by avg(salary);
查詢關鍵字：limit分頁
select * from emp limit 5; 一個數字表示條數
select * from emp limit 5,10; 第一個數字表示起始位置 第二個數字表示條數
查詢工資最高的人的詳細信息
先按照工資降序排序 然后使用limit限制取第一條
查詢關鍵字：regexp正則
正則：使用一些特殊符號的組合取字符串中篩選出符合條件的數據
select * from emp where name regexp '^j.*(n|y)$'; 查詢姓名是以字母j開頭 n或者y結尾的數據
