mysql 行掉换问题

专注打酱油30年 2016-08-26 03:55:37
sql查询到表中有这么两条数据:
id rank name
1 1 1
2 2 2

先在想把第一条数据值与第二条的互换,
就是显示结果为:
id rank name
2 2 2
1 1 1
...全文
130 7 打赏 收藏 转发到动态 举报
写回复
用AI写文章
7 条回复
切换为时间正序
请发表友善的回复…
发表回复
  • 打赏
  • 举报
回复
引用 6 楼 wangjian0228 的回复:
[quote=引用 5 楼 DOTAER_AND_DBA 的回复:] [quote=引用 4 楼 wangjian0228 的回复:] [quote=引用 3 楼 DOTAER_AND_DBA 的回复:] 测试数据只是两条,但是数据是很多行。 而且id只是为了方便,才选的是int型。可能是char。 简单来说就是调换某个表的2行数据。
有业务逻辑吧,调换标准是什么,这样无从下手的 [/quote] 就是原表第n行记录更新到第n+1行,原表的第n+1行记录更新到第n行[/quote] 数据符合什么条件才去调换,不会无缘无故就去换吧,而且换是换什么,换行数据地址?还是有对应的行ID?你问题中的整行都换掉了,那就和没换一样,如果只是为了显示换行,那这么设计是有问题的[/quote] 有道理。这需求是挺扯淡的。分还是给你吧
致命的西瓜 2016-08-26
  • 打赏
  • 举报
回复
引用 5 楼 DOTAER_AND_DBA 的回复:
[quote=引用 4 楼 wangjian0228 的回复:] [quote=引用 3 楼 DOTAER_AND_DBA 的回复:] 测试数据只是两条,但是数据是很多行。 而且id只是为了方便,才选的是int型。可能是char。 简单来说就是调换某个表的2行数据。
有业务逻辑吧,调换标准是什么,这样无从下手的 [/quote] 就是原表第n行记录更新到第n+1行,原表的第n+1行记录更新到第n行[/quote] 数据符合什么条件才去调换,不会无缘无故就去换吧,而且换是换什么,换行数据地址?还是有对应的行ID?你问题中的整行都换掉了,那就和没换一样,如果只是为了显示换行,那这么设计是有问题的
  • 打赏
  • 举报
回复
引用 4 楼 wangjian0228 的回复:
[quote=引用 3 楼 DOTAER_AND_DBA 的回复:] 测试数据只是两条,但是数据是很多行。 而且id只是为了方便,才选的是int型。可能是char。 简单来说就是调换某个表的2行数据。
有业务逻辑吧,调换标准是什么,这样无从下手的 [/quote] 就是原表第n行记录更新到第n+1行,原表的第n+1行记录更新到第n行
致命的西瓜 2016-08-26
  • 打赏
  • 举报
回复
引用 3 楼 DOTAER_AND_DBA 的回复:
测试数据只是两条,但是数据是很多行。 而且id只是为了方便,才选的是int型。可能是char。 简单来说就是调换某个表的2行数据。
有业务逻辑吧,调换标准是什么,这样无从下手的
  • 打赏
  • 举报
回复
引用 2 楼 zjcxc 的回复:
加个排序就好了 select * from tb order by id desc
测试数据只是两条,但是数据是很多行。 而且id只是为了方便,才选的是int型。可能是char。 简单来说就是调换某个表的2行数据。
zjcxc 2016-08-26
  • 打赏
  • 举报
回复
加个排序就好了 select * from tb order by id desc
  • 打赏
  • 举报
回复
测试数据:

create table tt(id int not null,
rank int not null,
name int not null);

insert into tt VALUES(1, 1, 1),(2,2,2);
源码链接: https://pan.quark.cn/s/a4b39357ea24 在本研究中,我们将详细研究如何借助Python执数据可视化,旨在剖析2018年期间中国四个主要城市——北京、上海、广州以及深圳的空气质量状况。通过绘制反映空气质量指数(AQI)与细颗粒物(PM2.5)变化趋势的图表,我们能够深入理解这些大都市全年的空气环境质量,并明确评估其优良天气所占的比重。 我们必须首先进数据准备工作。在当前提供的压缩文件内,名为"2018天气"的文件极有可能是数据来源,其中可能收录了涉及四个城市每日空气质量监测的详细信息。这些数据通常涵盖日期、城市名称、AQI数值、PM2.5含量等核心参数。在Python编程环境中,我们惯常运用pandas库来对这类结构化数据进高效的处理和分析。 1. **数据导入与初步处理**: - 利用`pandas.read_csv()`方法来导入存储为CSV格式的数据资料。 - 数据整理:对数据中的空白项、非正常数值进修正,保证数据的精确性。 - 调整日期字段的格式,确保其能够适用于时间序列分析的需求。 2. **数据深度分析**: - 针对每个城市的AQI和PM2.5数据执统计性描述,例如计算平均值、中位数、标准偏差等指标。 - 确定空气质量良好天气的天数,即那些AQI值低于75(依据中国的空气质量评估标准)的日数。 3. **数据呈现**: - 运用matplotlib或seaborn工具绘制折线图,直观展示四个城市在2018年全年的AQI和PM2.5变化动态。 - 可通过采用不同的颜色方案和线条类型来区分不同城市的数据系列。 - 添加必要的图示元素,如日期坐标轴、城市名称标注、图表标题及图例说明,以提升图表的可读...

57,064

社区成员

发帖
与我相关
我的任务
社区描述
MySQL相关内容讨论专区
社区管理员
  • MySQL
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