DML之INSERT
练习
-----------7935 张三丰 president 8000 1890-6-12 8500 500 10
select * from emp;–按员工编号升序排序查询
insert into emp
(empno, ename, job, mgr, hiredate, sal, comm, deptno)
values
(7935,
‘张三丰’,
‘PRESIDENT’,
8000,
to_date(‘1890-6-12’, ‘yyyy-mm-dd’),
8500,
500,
10);
---------如果不指定列明，则默认插入所有字段的值
insert into emp
values(
7937,
‘张翠山’，
‘SALESMAN’,
7920,
to_date(‘1940-2-2’,‘yyyy-mm-dd’),
7400,
200,
10);
–删除表
drop table emp2;
–复制表
select * from emp;
select * from emp2;
–复制emp
create table emp2 as
select * from emp where 1 = 1;
–复制job为SALESMAN，部门编号为30的员工
create table emp2 as
select *
from emp
where JOB = ‘SALESMAN’
and DEPTNO = 30;
–复制表结构不复制内容 where 1=2
select * from emp3;
create table emp3 as
select * from emp where 1 = 2;
DML之update
提示：这里可以添加系列文章的所有文章的目录，目录需要自己手动添加
例如：第一章 Python 机器学习入门之pandas的使用
提示：写完文章后，目录可以自动生成，如何生成可参考右边的帮助文档
文章数据库目录
前言
提示：这里可以添加本文要记录的大概内容：
例如：随着人工智能的不断发展，机器学习这门技术也越来越重要，很多人都开启了学习机器学习，本文就介绍了机器学习的基础内容。
提示：以下是本篇文章正文内容，下面案例可供参考
一、pandas是什么？
示例：pandas 是基于NumPy 的一种工具，该工具是为了解决数据分析任务而创建的。
二、使用步骤
1.引入库
import numpy as np
import pandas as pd
import matplotlib.pyplot as plt
import seaborn as sns
import warnings
warnings.filterwarnings('ignore')
import ssl
ssl._create_default_https_context = ssl._create_unverified_context
2.读入数据
代码如下（示例）：
data = pd.read_csv(
'https://labfile.oss.aliyuncs.com/courses/1283/adult.data.csv')
print(data.head())
该处使用的url网络请求的数据。
总结
提示：这里对文章进行总结：
例如：以上就是今天要讲的内容，本文仅仅简单介绍了pandas的使用，而pandas提供了大量能使我们快速便捷地处理数据的函数和方法。
练习
----为smitn的薪水增加10%，且补贴200
update emp set sal=sal+sal0.1,comm=200 where empno=7369;
–为10号部门所有员工薪水增加15%，补贴提高10%
select * from emp;
update emp set sal=sal+sal0.15,comm=comm+comm*0.1 where deptno=10;
DML之delete
–根据条件删除数据
–删除10号部门的所有员工
delete from emp3 where deptno=10;
–truncate table 表 一次性清空数据表，比较危险，效率高于delete
–delete 在做delete删除时会记录删除日志，已删除的数据可通过日志找回
–truncate 数据清空，不记录日志
