当前位置: 首页 > article >正文

PostgreSQL学习笔记十三:常用函数

PostgreSQL 有很多常用函数,以下是一些常见的:

一、字符串函数

  1. concat(str1, str2,...):连接多个字符串。

    • 示例:SELECT concat('Hello', ' ', 'World'); 返回 Hello World
  2. length(str):返回字符串的长度。

    • 示例:SELECT length('PostgreSQL'); 返回 10。
  3. upper(str)/lower(str):将字符串转换为大写/小写。

    • 示例:SELECT upper('hello'); 返回 HELLO
  4. substring(str, start, length):提取字符串的子串。

    • 示例:SELECT substring('PostgreSQL', 5, 4); 返回 SQL

二、数学函数

  1. abs(n):返回数字的绝对值。

    • 示例:SELECT abs(-10); 返回 10。
  2. sqrt(n):返回数字的平方根。

    • 示例:SELECT sqrt(25); 返回 5。
  3. round(n):将数字四舍五入到最接近的整数。

    • 示例:SELECT round(3.14); 返回 3。
  4. mod(m, n):返回 m 除以 n 的余数。

    • 示例:SELECT mod(10, 3); 返回 1。

三、日期和时间函数

  1. current_date:返回当前日期。

    • 示例:SELECT current_date; 返回类似 2024-10-11 的日期。
  2. current_time/current_timestamp:返回当前时间/时间戳。

    • 示例:SELECT current_time; 返回类似 12:34:56.789 的时间。
  3. extract(field from timestamp):从时间戳中提取特定部分,如年、月、日等。

    • 示例:SELECT extract(year from current_timestamp); 返回当前年份。
  4. age(timestamp):计算两个时间戳之间的时间差,以年、月、日的形式表示。

    • 示例:SELECT age('2020-01-01', current_date); 返回从 2020 年 1 月 1 日到当前日期的时间差。

四、聚合函数

  1. count(*)/count(column):计算行数或非空值的数量。

    • 示例:SELECT count(*) FROM table_name; 返回表中的行数。
  2. sum(column):计算指定列的总和。

    • 示例:SELECT sum(amount) FROM transactions; 返回交易金额总和。
  3. avg(column):计算指定列的平均值。

    • 示例:SELECT avg(salary) FROM employees; 返回员工平均工资。
  4. max(column)/min(column):返回指定列的最大值/最小值。

    • 示例:SELECT max(price) FROM products; 返回产品的最高价格。

http://www.kler.cn/news/355202.html

相关文章:

  • Flutter框架学习计划
  • 文献阅读:通过深度神经网络联合建模多个切片构建3D整体生物体空间图谱
  • Docker 教程三 (CentOS Docker 安装)
  • AI核身-金融场景凭证篡改检测Baseline实践
  • 机器学习“捷径”:自动特征工程全面解析(附代码示例)
  • XML的使用
  • 买卖股票的最佳时机(动态规划方法总结)
  • 麒麟系统mate_indicators进程占用内存资源高
  • 云岚到家 支付实现
  • 字节跳动基础架构消息队列团队论文入选云计算领域顶会 SoCC 2024
  • 数据库中的JSON数据类型
  • 【MySQL】入门篇—基本数据类型:简单的查询与过滤
  • Java多线程编程:深入理解与实践
  • SSL卸载(SSL流量管理)
  • Linux go语言配置
  • 嵌入式C语言面试相关知识——结构体和联合体
  • 模块编译成功,但是python运行找不到依赖库Nomodule named ‘ ‘
  • 定期备份MYSQL数据库(Linux)
  • 2024 蚂蚁SEO蜘蛛池对网站收录的帮助
  • 机器学习核心:监督学习与无监督学习