SQLite 常用函数

SQLite 有许多内置函数用于处理字符串或数字数据。下面列出了一些有用的 SQLite 内置函数,且所有函数都是大小写不敏感,这意味着您可以使用这些函数的小写形式或大写形式或混合形式。

我们用下表作为例子。

ID      NAME        AGE     ADDRESS         SALARY
----    ----        ----    ------          ------
1       Paul        32      California      20000.0
2       Allen       25      Texas           15000.0
3       Teddy       23      Norway          20000.0
4       Mark        25      Rich-Mond       65000.0
5       Paul        32      Los Angeles     10000.0
6       Allen       25      Dallas          35000.0
7       Teddy       23      Oslo            15000.0




COUNT 函数

COUNT 聚集函数是用来计算一个数据库表中的行数。我们先在按 name 来计算各员工的出现次数:

select name, count(name) from company group by name;

结果:

NAME    count(name)
----     ------- 
Allen     2
Mark      1
Paul      2
Teddy     2
MAX 函数

MAX 聚合函数允许我们选择某列的最大值。我们计算 age 最大的员工:

select max(age),* from company

结果:

max(age)    ID      NAME    AGE         ADDRESS         SALARY
-------     ----    ----    ------      --------        ------
32          1       Paul    32          California      20000.0
MIN 函数

MIN 聚合函数允许我们选择某列的最小值。用法个SQLite MAX 类似。

AVG 函数

AVG 聚合函数计算某列的平均值。计算员工的平均 salary

select name, avg(salary) from company group by name;

结果:

NAME    avg(salary)
-----  ----------- 
Allen   25000.0
Mark    65000.0
Paul    15000.0
Teddy   17500.0
SUM 函数

SUM 聚合函数允许为一个数值列计算总和。计算各员工 salary 总和。

select name, sum(salary) from company group by name;

结果:

NAME    sum(salary)
----    --------
Allen   50000.0
Mark    65000.0
Paul    30000.0
Teddy   35000.0
RANDOM 函数

SQLite RANDOM 函数返回一个介于 -9223372036854775808+9223372036854775807 之间的伪随机整数。

ABS 函数

ABS 函数返回数值参数的绝对值。

UPPER 函数

SQLite UPPER 函数把字符串转换为大写字母。

LOWER 函数

LOWER 函数把字符串转换为小写字母。

GROUP_CONCAT 函数

GROUP_CONCAT 函数用于拼接字符串。

例子:

select name, group_concat(address) from company group by name

结果:

NAME    group_concat(address)
----     ------------------ 
Allen   Texas,Dallas
Mark    Rich-Mond 
Paul    California,Los Angeles
Teddy   Norway,Oslo
最后编辑于
©著作权归作者所有,转载或内容合作请联系作者
  • 序言:七十年代末,一起剥皮案震惊了整个滨河市,随后出现的几起案子,更是在滨河造成了极大的恐慌,老刑警刘岩,带你破解...
    沈念sama阅读 203,271评论 5 476
  • 序言:滨河连续发生了三起死亡事件,死亡现场离奇诡异,居然都是意外死亡,警方通过查阅死者的电脑和手机,发现死者居然都...
    沈念sama阅读 85,275评论 2 380
  • 文/潘晓璐 我一进店门,熙熙楼的掌柜王于贵愁眉苦脸地迎上来,“玉大人,你说我怎么就摊上这事。” “怎么了?”我有些...
    开封第一讲书人阅读 150,151评论 0 336
  • 文/不坏的土叔 我叫张陵,是天一观的道长。 经常有香客问我,道长,这世上最难降的妖魔是什么? 我笑而不...
    开封第一讲书人阅读 54,550评论 1 273
  • 正文 为了忘掉前任,我火速办了婚礼,结果婚礼上,老公的妹妹穿的比我还像新娘。我一直安慰自己,他们只是感情好,可当我...
    茶点故事阅读 63,553评论 5 365
  • 文/花漫 我一把揭开白布。 她就那样静静地躺着,像睡着了一般。 火红的嫁衣衬着肌肤如雪。 梳的纹丝不乱的头发上,一...
    开封第一讲书人阅读 48,559评论 1 281
  • 那天,我揣着相机与录音,去河边找鬼。 笑死,一个胖子当着我的面吹牛,可吹牛的内容都是我干的。 我是一名探鬼主播,决...
    沈念sama阅读 37,924评论 3 395
  • 文/苍兰香墨 我猛地睁开眼,长吁一口气:“原来是场噩梦啊……” “哼!你这毒妇竟也来了?” 一声冷哼从身侧响起,我...
    开封第一讲书人阅读 36,580评论 0 257
  • 序言:老挝万荣一对情侣失踪,失踪者是张志新(化名)和其女友刘颖,没想到半个月后,有当地人在树林里发现了一具尸体,经...
    沈念sama阅读 40,826评论 1 297
  • 正文 独居荒郊野岭守林人离奇死亡,尸身上长有42处带血的脓包…… 初始之章·张勋 以下内容为张勋视角 年9月15日...
    茶点故事阅读 35,578评论 2 320
  • 正文 我和宋清朗相恋三年,在试婚纱的时候发现自己被绿了。 大学时的朋友给我发了我未婚夫和他白月光在一起吃饭的照片。...
    茶点故事阅读 37,661评论 1 329
  • 序言:一个原本活蹦乱跳的男人离奇死亡,死状恐怖,灵堂内的尸体忽然破棺而出,到底是诈尸还是另有隐情,我是刑警宁泽,带...
    沈念sama阅读 33,363评论 4 318
  • 正文 年R本政府宣布,位于F岛的核电站,受9级特大地震影响,放射性物质发生泄漏。R本人自食恶果不足惜,却给世界环境...
    茶点故事阅读 38,940评论 3 307
  • 文/蒙蒙 一、第九天 我趴在偏房一处隐蔽的房顶上张望。 院中可真热闹,春花似锦、人声如沸。这庄子的主人今日做“春日...
    开封第一讲书人阅读 29,926评论 0 19
  • 文/苍兰香墨 我抬头看了看天上的太阳。三九已至,却和暖如春,着一层夹袄步出监牢的瞬间,已是汗流浃背。 一阵脚步声响...
    开封第一讲书人阅读 31,156评论 1 259
  • 我被黑心中介骗来泰国打工, 没想到刚下飞机就差点儿被人妖公主榨干…… 1. 我叫王不留,地道东北人。 一个月前我还...
    沈念sama阅读 42,872评论 2 349
  • 正文 我出身青楼,却偏偏与公主长得像,于是被迫代替她去往敌国和亲。 传闻我的和亲对象是个残疾皇子,可洞房花烛夜当晚...
    茶点故事阅读 42,391评论 2 342

推荐阅读更多精彩内容