2个简单的表合并!

wangxiaofeiwuqiao 2010-09-22 08:25:37
有2个简单的表,要合并在一起
tb1:

(物料编码) (物料名称) (数量1) (数量2)
ITEM_CODE DES WIP STOCK
21-00001-00010 塑胶A 500 400
21-00002-00020 塑胶B 100 0
21-00002-00030 塑胶C 0 600
......

tb2: ITEM_CODE是tb1的子集,tb2中所有的ITEM_CODE都在tb1中

(物料编码) (物料名称) (PO数量)
ITEM_CODE DES PONumber
21-00001-00010 塑胶A 8000
21-00002-00020 塑胶B 300
......

我想要的结果:

(物料编码) (物料名称) (数量1) (数量2) (PO数量)
ITEM_CODE DES WIP STOCK PONumber
21-00001-00010 塑胶A 500 400 8000
21-00002-00020 塑胶B 100 0 300
21-00002-00030 塑胶C 0 600 0
......


数据环境:sql server 2000
...全文
162 6 打赏 收藏 举报
写回复
用AI写文章
6 条回复
切换为时间正序
请发表友善的回复…
发表回复
ai_li7758521 2010-09-22
  • 打赏
  • 举报
回复

CREATE TABLE #TB1
(
ITEM_CODE varchar(14),
DES nvarchar(10),
WIP int,
STOCK int
);

INSERT #TB1
SELECT '21-00001-00010', '塑胶A', 500, 400 UNION ALL
SELECT '21-00002-00020', '塑胶B', 100, 0 UNION ALL
SELECT '21-00002-00030', '塑胶C', 0, 600;

CREATE TABLE #TB2
(
ITEM_CODE varchar(14),
DES nvarchar(10),
PONumber int
);

INSERT #TB2
SELECT '21-00001-00010', '塑胶A', 8000 UNION ALL
SELECT '21-00002-00020', '塑胶B', 300;


-------------------------------------------------------
SELECT A.*,PONumber=ISNULL(PONumber,0)
FROM #TB1 A LEFT JOIN #TB2 B
ON A.ITEM_CODE=B.ITEM_CODE

--结果:

ITEM_CODE DES WIP STOCK PONumber
-------------- ---------- ----------- ----------- -----------
21-00001-00010 塑胶A 500 400 8000
21-00002-00020 塑胶B 100 0 300
21-00002-00030 塑胶C 0 600 0

(3 行受影响)
dawugui 2010-09-22
  • 打赏
  • 举报
回复
select m.* , isnull(n.PONumber , 0) PONumber  
from tb1 m left join tb2 n
on m.ITEM_CODE = n.ITEM_CODE
order by m.ITEM_CODE

select m.* , isnull(n.PONumber , 0) PONumber
from tb1 m left join tb2 n
on m.ITEM_CODE = n.ITEM_CODE and m.DES = n.DES
order by m.ITEM_CODE,m.DES
Rotel-刘志东 2010-09-22
  • 打赏
  • 举报
回复
select m.*,ishull(n.ponumber,0) ponumber
from tb1 m,tb2 n
where m.item_code=n.item_code
喜-喜 2010-09-22
  • 打赏
  • 举报
回复
[Quote=引用 2 楼 ws_hgo 的回复:]
SQL code
select b1.*,isnull(b2.PONumber,0) PONumber
from tb1 b1
left join tb2 b2
on b1.ITEM_CODE=b2.ITEM_CODE
[/Quote]

up...

中秋快乐
ws_hgo 2010-09-22
  • 打赏
  • 举报
回复
select b1.*,isnull(b2.PONumber,0) PONumber
from tb1 b1
left join tb2 b2
on b1.ITEM_CODE=b2.ITEM_CODE
wangxiaofeiwuqiao 2010-09-22
  • 打赏
  • 举报
回复
我想直接用sql 语句,不要存储过程,因为我还要用它合成其他的表。
内容概要:本文介绍了一个基于Java与Vue的中小银行信贷材料结构化审核与尽调要点抽取系统的设计与实现。系统通过OCR识别、版面解析、关键字段抽取、实体归一化、规则引擎和风险评分等技术,将非结构化的信贷材料(如营业执照、审计报告、银行流水、合同等)转化为可查询、可校验的结构化数据,实现材料自动分类、字段提取、完整性检查、跨文档一致性比对及风险线索识别。系统涵盖文件接入、文档识别、字段抽取、规则校验、风险评分与前端交互六大层次,提升了信贷审核效率、统一了审查标准、增强了风险预警能力,并建立了可追溯的数据资产体系。文中还提供了企业名称清洗、统一社会信用代码校验、金额抽取、材料完整性校验、名称相似度计算和风险评分等核心功能的模型描述与Java代码示例。; 适合人群:具备Java和Vue开发基础,从事金融科技、信贷系统开发或智能文档处理相关工作的研发人员,尤其是关注OCR、NLP与规则引擎在金融风控中应用的工程师和技术负责人。; 使用场景及目标:① 实现中小银行信贷材料的自动化结构化处理与智能审核;② 提升信贷审批效率,降低人工核验成本;③ 统一尽调标准,增强风险识别与预警能力;④ 构建可追溯、可审计的信贷数据资产,支持贷后管理与监管合规。; 阅读建议:此资源以实际项目为导向,结合业务需求与技术实现,建议开发者结合代码示例深入理解各模块设计逻辑,重点关注实体归一化、规则引擎配置与前后端协同机制,并可在类似场景中复用核心算法与架构设计。
鼎拨神器 4.02 软件描述 ====================== 一、软件简介 鼎拨神器是一款面向拨号场景的桌面工具软件,提供账号批量拨号、拨号状态管理、日志留痕等功能,适用于需要频繁切换拨号账号的使用场景。软件界面简洁、操作直观,账号配置与管理一体化,开箱即用。 二、核心功能 1. 账号拨号:支持多账号配置,账号与密码以"空格或 Tab 键"分隔,可从表格(一列账号、一列密码)直接复制粘贴导入,批量管理、快速切换。 2. 动态等待:拨号成功后支持 1-60 秒动态等待时长,可有效规避连续拨号过快导致的失败,提升拨号成功率。 3. 流量选项:内置流量模式选项(4.0 版本新增),按需选择,灵活适配不同拨号需求。 4. 日志留痕: - dial_log.xls:最近一次拨号记录; - dial_log_日期.txt:全部拨号记录,按天归档,方便追溯与统计。 5. 图标美化:4.02 版本窗口左上角与任务栏统一应用专属图标,界面更规范。 三、版本更新记录 - 版本 4.02:修复了一些已知问题,优化窗口图标显示。 四、目录结构说明 - 鼎拨神器.exe:主程序,双击启动。 - Launcher_ForExe.exe:拨号调度启动器。 - Program 文件夹:软件内部文件,请勿删除。 - Program\dial.exe:核心拨号组件。 - accounts.txt:账号密码配置文件(账号与密码间用一个空格或 Tab 键隔开)。如不慎删除,请以"accounts.txt"命名自建文件即可恢复使用。 - rz 文件夹:日志文件夹,自动生成拨号记录。 建议每次拨号时将最后一个账号设为自己固有的账号,避免前面所有账号拨号不成功。 详细条款请参阅软件包内《软件使用授权及免责声明》。
详情可查看下方数据集可视化效果。 【数据集概况】 · 检测类别(中文):[其他(Violence), 攀爬(climb)] · 训练集:2056 张 · 验证集:111 张 · 测试集:61 张 · 总计:2228 张 该数据集聚焦于高空作业场景中人员攀爬行为的精准识别,涵盖室内攀岩墙、户外梯子、屋顶维修、儿童游乐设施等多种真实环境。通过多角度、多光照条件下的图像采集,全面覆盖了不同高度、姿态和设备类型下的攀爬活动,为安全监控与风险预警系统提供了高质量的视觉基础,具有显著的行业应用价值。... 【训练曲线与评估图】 【模型训练配置】 参数 | 值 模型 | yolo26n 训练轮数 | 100 epochs 输入尺寸 | 640x640 批次大小 | 24 优化器 | auto 初始学习率 | 0.01 训练设备 【关键指标汇总】 训练了 87 个 epoch,最终轮指标: 指标 | 数值 mAP50 | **0.9141** mAP50-95 | 0.6503 Precision | 0.8867 Recall | 0.8620 train/box_loss | 0.8021 train/cls_loss | 0.4599 val/box_loss | 1.1432 val/cls_loss | 0.6798 【训练过程分析】 87 轮训练后 mAP50 达到 0.9141,模型收敛良好。Loss 曲线前段快速下降,后段趋于平稳,val_loss 无反弹,没有明显过拟合。但 mAP50-95 为 0.6503,和 mAP50 差距 0.26,定位精度仍有优化空间。 【模型性能评估】 Precision 0.8867、Recall 0.8620,精度高于召回,存在一定漏检。多类检测中,不同类别性能可能有差异,需关注难例类别的表现。 【预测效果展示】 验证集预测效果较好...

22,298

社区成员

发帖
与我相关
我的任务
社区描述
MS-SQL Server 疑难问题
社区管理员
  • 疑难问题社区
  • 尘觉
加入社区
  • 近7日
  • 近30日
  • 至今
社区公告
暂无公告

试试用AI创作助手写篇文章吧