外连接的用法 -- 《SQL进阶教程》 jupyter note
import pandas as pd
import sqlite3
conn = sqlite3.connect('1-5.db')
用外连接进行行列转换1(行 -> 列): 制作交叉表
怎么使用outer join，将row转换成column
下面的方式一，使用的是外连接的方法。但是效果却是最差的。
# create Course Table and insert data
conn.execute("""
CREATE TABLE IF NOT EXISTS Courses (
name VARCHAR(10) NOT NULL,
course VARCHAR(10),
PRIMARY KEY(name, course)
)
""")
conn.execute("""DELETE FROM Courses;""")
conn.execute("""
INSERT INTO Courses(name, course)
VALUES
('赤井', 'SQL入门'),
('赤井', 'UNIX基础'),
('铃木', 'SQL入门'),
('工藤', 'SQL入门'),
('工藤', 'Java中级'),
('吉田', 'UNIX基础'),
('渡边', 'SQL入门')
""")
pd.read_sql_query('SELECT * FROM Courses', conn)
.dataframe tbody tr th {
vertical-align: top;
}
.dataframe thead th {
text-align: right;
}
-->
| name | course | |
|---|---|---|
| 0 | 赤井 | SQL入门 |
| 1 | 赤井 | UNIX基础 |
| 2 | 铃木 | SQL入门 |
| 3 | 工藤 | SQL入门 |
| 4 | 工藤 | Java中级 |
| 5 | 吉田 | UNIX基础 |
| 6 | 渡边 | SQL入门 |
# 方式一: 每个要转换的列都使用一
pd.read_sql_query("""
SELECT c0.name,
CASE WHEN c1.name IS NOT NULL THEN 'O' ELSE 'X' END AS 'SQL入门',
CASE WHEN c2.name IS NOT NULL THEN 'O' ELSE 'X' END AS 'UNIX基础',
CASE WHEN c3.name is NOT NULL THEN 'O' ELSE 'X' END AS 'Java中级'
FROM (SELECT DISTINCT name FROM Courses) C0
LEFT OUTER JOIN
(SELECT name FROM Courses WHERE course='SQL入门') C1
ON c0.name = c1.name
LEFT OUTER JOIN
(SELECT name FROM Courses WHERE course='UNIX基础') C2
ON c0.name = c2.name
LEFT OUTER JOIN
(SELECT name FROM Courses WHERE course='Java中级') c3
ON c0.name = c3.name;
""", conn)
.dataframe tbody tr th {
vertical-align: top;
}
.dataframe thead th {
text-align: right;
}
-->
| name | SQL入门 | UNIX基础 | Java中级 | |
|---|---|---|---|---|
| 0 | 吉田 | X | O | X |
| 1 | 工藤 | O | X | O |
| 2 | 渡边 | O | X | X |
| 3 | 赤井 | O | O | X |
| 4 | 铃木 | O | X | X |
# 方式二: 使用标量子查询代替外连接
# 优点是，加入新的列，只需要修改SELECT下的子查询。而方式一需要修改SELECT和FROM两处.
# 缺点是，在SELECT中使用标量子查询，开销比较大。因为需要对每一行都进行一次或多次子查询.
pd.read_sql_query("""
SELECT c0.name,
(SELECT 'O'
FROM Courses AS c1
WHERE course='SQL入门' AND c0.name = c1.name) AS 'SQL入门',
(SELECT 'O'
FROM Courses AS c2
WHERE course='UNIX基础' AND c0.name = c2.name) AS 'UNIX基础',
(SELECT 'O'
FROM Courses AS c3
WHERE course='Java中级' AND c0.name = c3.name) AS 'Java中级'
FROM (SELECT DISTINCT name FROM Courses) AS c0;
""", conn).replace(to_replace=[None], value='X')
.dataframe tbody tr th {
vertical-align: top;
}
.dataframe thead th {
text-align: right;
}
-->
| name | SQL入门 | UNIX基础 | Java中级 | |
|---|---|---|---|---|
| 0 | 吉田 | X | O | X |
| 1 | 工藤 | O | X | O |
| 2 | 渡边 | O | X | X |
| 3 | 赤井 | O | O | X |
| 4 | 铃木 | O | X | X |
# 方式三: 嵌套使用CASE表单是
pd.read_sql_query("""
SELECT name,
CASE WHEN SUM(CASE WHEN course='SQL入门' THEN 1 ELSE 0 END) = 1 THEN 'O' ELSE 'X' END AS 'SQL入门',
CASE WHEN SUM(CASE WHEN course='UNIX基础' THEN 1 ELSE 0 END) = 1 THEN 'O' ELSE 'X' END AS 'UNIX基础',
CASE WHEN SUM(CASE WHEN course='Java中级' THEN 1 ELSE 0 END) = 1 THEN 'O' ELSE 'X' END AS 'Java中级'
FROM Courses
GROUP BY name
""", conn)
.dataframe tbody tr th {
vertical-align: top;
}
.dataframe thead th {
text-align: right;
}
-->
| name | SQL入门 | UNIX基础 | Java中级 | |
|---|---|---|---|---|
| 0 | 吉田 | X | O | X |
| 1 | 工藤 | O | X | O |
| 2 | 渡边 | O | X | X |
| 3 | 赤井 | O | O | X |
| 4 | 铃木 | O | X | X |
用外连接进行行列转换2(列 -> 行): 汇总重复项于一列
# create Personnel Table and insert data
conn.execute("""
CREATE TABLE IF NOT EXISTS Personnel (
employee VARCHAR(10) NOT NULL PRIMARY KEY,
child_1 VARCHAR(10),
child_2 VARCHAR(10),
child_3 VARCHAR(10)
)
""")
conn.execute("""DELETE FROM Personnel;""")
conn.execute("""
INSERT INTO Personnel(employee, child_1, child_2, child_3)
VALUES
('赤井', '一郎', '二郎', '三郎'),
('工藤', '春子', '夏子', null),
('铃木', '夏子', null, null),
('吉田', null, null, null)
""")
pd.read_sql_query('SELECT * FROM Personnel', conn)
.dataframe tbody tr th {
vertical-align: top;
}
.dataframe thead th {
text-align: right;
}
-->
| employee | child_1 | child_2 | child_3 | |
|---|---|---|---|---|
| 0 | 赤井 | 一郎 | 二郎 | 三郎 |
| 1 | 工藤 | 春子 | 夏子 | None |
| 2 | 铃木 | 夏子 | None | None |
| 3 | 吉田 | None | None | None |
# 这个方法，会把child为null的结果也返回。
# 但是如果排除掉child为null的结果，那么吉田这个employee因为没有孩子，就不会出现在结果表里面
pd.read_sql_query("""
SELECT employee, child_1 AS child FROM Personnel
UNION ALL
SELECT employee, child_2 AS child FROM Personnel
UNION ALL
SELECT employee, child_3 AS child FROM Personnel
""", conn)
.dataframe tbody tr th {
vertical-align: top;
}
.dataframe thead th {
text-align: right;
}
-->
| employee | child | |
|---|---|---|
| 0 | 赤井 | 一郎 |
| 1 | 工藤 | 春子 |
| 2 | 铃木 | 夏子 |
| 3 | 吉田 | None |
| 4 | 赤井 | 二郎 |
| 5 | 工藤 | 夏子 |
| 6 | 铃木 | None |
| 7 | 吉田 | None |
| 8 | 赤井 | 三郎 |
| 9 | 工藤 | None |
| 10 | 铃木 | None |
| 11 | 吉田 | None |
conn.execute("""
CREATE VIEW IF NOT EXISTS Children(child) AS
SELECT child_1 FROM Personnel
UNION
SELECT child_2 FROM Personnel
UNION
SELECT child_3 FROM Personnel
""")
pd.read_sql_query("""
SELECT EMP.employee, CHILDREN.child
FROM Personnel EMP
LEFT OUTER JOIN Children
ON Children.child IN (EMP.child_1, EMP.child_2, EMP.child_3)
""", conn)
.dataframe tbody tr th {
vertical-align: top;
}
.dataframe thead th {
text-align: right;
}
-->
| employee | child | |
|---|---|---|
| 0 | 赤井 | 一郎 |
| 1 | 赤井 | 三郎 |
| 2 | 赤井 | 二郎 |
| 3 | 工藤 | 夏子 |
| 4 | 工藤 | 春子 |
| 5 | 铃木 | 夏子 |
| 6 | 吉田 | None |
# 习题1-5-2: 求每个雇员的孩子数量
pd.read_sql_query("""
SELECT EMP.employee, COUNT(CHILDREN.child) AS child_cnt
FROM Personnel EMP
LEFT OUTER JOIN Children
ON Children.child IN (EMP.child_1, EMP.child_2, EMP.child_3)
GROUP BY EMP.employee
""", conn)
.dataframe tbody tr th {
vertical-align: top;
}
.dataframe thead th {
text-align: right;
}
-->
| employee | child_cnt | |
|---|---|---|
| 0 | 吉田 | 0 |
| 1 | 工藤 | 2 |
| 2 | 赤井 | 3 |
| 3 | 铃木 | 1 |
在交叉表里制作嵌套式表侧栏
# 创建相关的表
conn.execute("""
CREATE TABLE IF NOT EXISTS TblAge (
age_class integer PRIMARY KEY,
age_range varchar(20)
);
""")
conn.execute("""
CREATE TABLE IF NOT EXISTS TblSex (
sex_cd char(1) PRIMARY KEY,
sex char(1)
);
""")
conn.execute("""
CREATE TABLE IF NOT EXISTS TblPop (
pref_name VARCHAR(10),
age_class integer,
sex_cd char(1),
population integer,
PRIMARY KEY (pref_name, age_class, sex_cd),
FOREIGN KEY (age_class) REFERENCES TblAge(age_class),
FOREIGN KEY (sex_cd) REFERENCES TblSex(sex_cd)
);
""")
# 确保没有数据
conn.execute("""DELETE FROM TblPop""")
conn.execute("""DELETE FROM TblSex""")
conn.execute("""DELETE FROM TblAge""")
# 插入数据
conn.execute("""
INSERT INTO TblAge(age_class, age_range) VALUES
(1, '21岁 ~ 30岁'),
(2, '31岁 ~ 40岁'),
(3, '41岁 ~ 50岁')
""")
conn.execute("""
INSERT INTO TblSex(sex_cd, sex) VALUES
('m', '男'),
('f', '女')
""")
conn.execute("""
INSERT INTO TblPop(pref_name, age_class, sex_cd, population) VALUES
('秋田', 1, 'm', 400),
('秋田', 3, 'm', 1000),
('秋田', 1, 'f', 800),
('秋田', 3, 'f', 1000),
('青森', 1, 'm', 700),
('青森', 1, 'f', 500),
('青森', 3, 'f', 800),
('东京', 1, 'm', 1500),
('东京', 1, 'f', 1200),
('千叶', 1, 'm', 900),
('千叶', 1, 'f', 1000),
('千叶', 3, 'f', 900)
""")
<sqlite3.Cursor at 0x113c47180>
pd.read_sql("""
SELECT * FROM TblAge
""", conn)
.dataframe tbody tr th {
vertical-align: top;
}
.dataframe thead th {
text-align: right;
}
-->
| age_class | age_range | |
|---|---|---|
| 0 | 1 | 21岁 ~ 30岁 |
| 1 | 2 | 31岁 ~ 40岁 |
| 2 | 3 | 41岁 ~ 50岁 |
pd.read_sql("""
SELECT * FROM TblSex
""", conn)
.dataframe tbody tr th {
vertical-align: top;
}
.dataframe thead th {
text-align: right;
}
-->
| sex_cd | sex | |
|---|---|---|
| 0 | m | 男 |
| 1 | f | 女 |
pd.read_sql("""
SELECT * FROM TblPop
""", conn)
.dataframe tbody tr th {
vertical-align: top;
}
.dataframe thead th {
text-align: right;
}
-->
| pref_name | age_class | sex_cd | population | |
|---|---|---|---|---|
| 0 | 秋田 | 1 | m | 400 |
| 1 | 秋田 | 3 | m | 1000 |
| 2 | 秋田 | 1 | f | 800 |
| 3 | 秋田 | 3 | f | 1000 |
| 4 | 青森 | 1 | m | 700 |
| 5 | 青森 | 1 | f | 500 |
| 6 | 青森 | 3 | f | 800 |
| 7 | 东京 | 1 | m | 1500 |
| 8 | 东京 | 1 | f | 1200 |
| 9 | 千叶 | 1 | m | 900 |
| 10 | 千叶 | 1 | f | 1000 |
| 11 | 千叶 | 3 | f | 900 |
# 下面这种，以两张表作为外连接操作的方式。
# 有时候并不能满足需求，比如不会显示age_class=2的情况，因为没有对应的人口数据
pd.read_sql("""
SELECT MASTER1.age_class AS age_class,
MASTER2.sex_cd AS sex_cd,
DATA.pop_tohoku AS pop_tohoku,
DATA.pop_kanto AS pop_kanto
FROM (SELECT age_class, sex_cd,
SUM(CASE WHEN pref_name IN ('青森', '秋田') THEN population ELSE NULL END) AS pop_tohoku,
SUM(CASE WHEN pref_name IN ('东京', '千叶') THEN population ELSE NULL END) AS pop_kanto
FROM TblPop
GROUP BY age_class, sex_cd) AS DATA
LEFT OUTER JOIN TblAge MASTER1
ON MASTER1.age_class = DATA.age_class
LEFT OUTER JOIN TblSex MASTER2
ON MASTER2.sex_cd = DATA.sex_cd
""", conn)
.dataframe tbody tr th {
vertical-align: top;
}
.dataframe thead th {
text-align: right;
}
-->
| age_class | sex_cd | pop_tohoku | pop_kanto | |
|---|---|---|---|---|
| 0 | 1 | f | 1300 | 2200.0 |
| 1 | 1 | m | 1100 | 2400.0 |
| 2 | 3 | f | 1800 | 900.0 |
| 3 | 3 | m | 1000 | NaN |
# 解决方式是：调整为一次外连接
# 外连接的表是 TblAge和TblSex 的笛卡尔积，也就是把它们用交叉连接(CROSS JOIN)组合起来,
# 对于不支持CROSS JOIN的库，分别把两个表用FROM引入，也是一样的.
# 同时，请注意下面把临时表放在了 LEFT OUTER JOIN 的左边，充分发挥OUTER JOIN的作用.
pd.read_sql("""
SELECT MASTER.age_class AS age_class,
MASTER.sex_cd AS sex_cd,
DATA.pop_tohoku AS pop_tohoku,
DATA.pop_kanto AS pop_kanto
FROM (SELECT age_class, sex_cd
FROM TblAge CROSS JOIN TblSex) AS MASTER
LEFT OUTER JOIN
(SELECT age_class, sex_cd,
SUM(CASE WHEN pref_name IN ('青森', '秋田') THEN population ELSE NULL END) AS pop_tohoku,
SUM(CASE WHEN pref_name IN ('东京', '千叶') THEN population ELSE NULL END) AS pop_kanto
FROM TblPop
GROUP BY age_class, sex_cd) AS DATA
ON MASTER.age_class = DATA.age_class
AND MASTER.sex_cd = DATA.sex_cd
""", conn)
.dataframe tbody tr th {
vertical-align: top;
}
.dataframe thead th {
text-align: right;
}
-->
| age_class | sex_cd | pop_tohoku | pop_kanto | |
|---|---|---|---|---|
| 0 | 1 | f | 1300.0 | 2200.0 |
| 1 | 1 | m | 1100.0 | 2400.0 |
| 2 | 2 | f | NaN | NaN |
| 3 | 2 | m | NaN | NaN |
| 4 | 3 | f | 1800.0 | 900.0 |
| 5 | 3 | m | 1000.0 | NaN |
# 更优的解决方法是：把JOIN看作乘法运算
# 关键在于，TblPop可以看作就是DATA。然后 MASTER -> DATA 的关系，就是一对多关系了
pd.read_sql("""
SELECT MASTER.age_class AS age_class,
MASTER.sex_cd AS sex_cd,
SUM(CASE WHEN pref_name IN ('青森', '秋田') THEN population ELSE NULL END) AS pop_tohoku,
SUM(CASE WHEN pref_name IN ('东京', '千叶') THEN population ELSE NULL END) AS pop_kanto
FROM (SELECT age_class, sex_cd
FROM TblAge CROSS JOIN TblSex) AS MASTER
LEFT OUTER JOIN TblPop AS DATA
ON MASTER.age_class = DATA.age_class
AND MASTER.sex_cd = DATA.sex_cd
GROUP BY MASTER.age_class, MASTER.sex_cd
""", conn)
.dataframe tbody tr th {
vertical-align: top;
}
.dataframe thead th {
text-align: right;
}
-->
| age_class | sex_cd | pop_tohoku | pop_kanto | |
|---|---|---|---|---|
| 0 | 1 | f | 1300.0 | 2200.0 |
| 1 | 1 | m | 1100.0 | 2400.0 |
| 2 | 2 | f | NaN | NaN |
| 3 | 2 | m | NaN | NaN |
| 4 | 3 | f | 1800.0 | 900.0 |
| 5 | 3 | m | 1000.0 | NaN |
用外连接做集合运算
各个数据库的集合运算实现都不尽相同，参差不齐。
集合运算符会尽心排序，所以可能带来性能上的问题。
因此，了解一下集合运算符的替代方案还是有意义的。
# 创建数据库
conn.execute("""
CREATE TABLE IF NOT EXISTS Class_A (
id integer PRIMARY KEY AUTOINCREMENT,
name varchar(10)
);
""")
conn.execute("""
CREATE TABLE IF NOT EXISTS Class_B (
id integer PRIMARY KEY AUTOINCREMENT,
name varchar(10)
)
""")
# 插入数据
conn.execute("""DELETE FROM Class_A;""")
conn.execute("""DELETE FROM Class_B;""")
conn.execute("""
INSERT INTO Class_A(id, name) VALUES
(1, '田中'),
(2, '铃木'),
(3, '伊集院')
""")
conn.execute("""
INSERT INTO Class_B(id, name) VALUES
(1, '田中'),
(2, '铃木'),
(4, '西院寺')
""")
<sqlite3.Cursor at 0x113f3c5e0>
pd.read_sql("""
SELECT * FROM Class_A
""", conn)
.dataframe tbody tr th {
vertical-align: top;
}
.dataframe thead th {
text-align: right;
}
-->
| id | name | |
|---|---|---|
| 0 | 1 | 田中 |
| 1 | 2 | 铃木 |
| 2 | 3 | 伊集院 |
pd.read_sql("""
SELECT * FROM Class_B
""", conn)
.dataframe tbody tr th {
vertical-align: top;
}
.dataframe thead th {
text-align: right;
}
-->
| id | name | |
|---|---|---|
| 0 | 1 | 田中 |
| 1 | 2 | 铃木 |
| 2 | 4 | 西院寺 |
用外连接求差集: A - B
pd.read_sql("""
SELECT A.id id, A.name AS A_name
FROM Class_A AS A LEFT OUTER JOIN Class_B AS B
ON A.id = B.id
WHERE B.name IS NULL
""", conn)
.dataframe tbody tr th {
vertical-align: top;
}
.dataframe thead th {
text-align: right;
}
-->
| id | A_name | |
|---|---|---|
| 0 | 3 | 伊集院 |
用外连接求差集: B - A
pd.read_sql("""
SELECT B.id id, B.name AS B_name
FROM Class_B AS B LEFT OUTER JOIN Class_A AS A
ON A.id = B.id
WHERE A.name IS NULL
""", conn)
.dataframe tbody tr th {
vertical-align: top;
}
.dataframe thead th {
text-align: right;
}
-->
| id | B_name | |
|---|---|---|
| 0 | 4 | 西院寺 |
用外连接求异或集
pd.read_sql("""
SELECT A.id id, A.name AS name
FROM Class_A AS A LEFT OUTER JOIN Class_B AS B
ON A.id = B.id
WHERE B.name IS NULL
UNION
SELECT B.id id, B.name AS name
FROM Class_B AS B LEFT OUTER JOIN Class_A AS A
ON A.id = B.id
WHERE A.name IS NULL
""", conn)
.dataframe tbody tr th {
vertical-align: top;
}
.dataframe thead th {
text-align: right;
}
-->
| id | name | |
|---|---|---|
| 0 | 3 | 伊集院 |
| 1 | 4 | 西院寺 |
外连接的用法 -- 《SQL进阶教程》 jupyter note的更多相关文章
- 《SQL基础教程》+ 《SQL进阶教程》 学习笔记
写在前面:本文主要注重 SQL 的理论.主流覆盖的功能范围及其基本语法/用法.至于详细的 SQL 语法/用法,因为每家 DBMS 都有些许不同,我会在以后专门介绍某款DBMS(例如 PostgreSQ ...
- (一)《SQL进阶教程》学习记录--CASE
背景:最近用到统计之类的复杂Sql比较多,有种"提笔忘字"的感觉,看书练习,举一反三,巩固加强. (一) <SQL进阶教程>学习记录--CASE (二) <SQL ...
- SQL进阶系列之5外连接的用法
写在前面 SQL本身是作为一种数据提取工具而出现,使用SQL生成各种定制化报表和非定制化报表并非SQL原本用途的功能,但这并不意味着SQL无法实现这些功能. 用外连接进行行列转换(1)(行 → 列): ...
- Oracle学习笔记：外连接(+)的用法
Oracle中常用 left join 和 right join 来进行外连接,同时,oracle也支持 (+) 的特殊用法,也是表示外连接,并且总是放在非主表的一方. 例如: 左外连接: selec ...
- 《SQL 进阶教程》case :用一条 SQL 语句进行不同条件的统计
进行不同条件的统计是case表达式的著名用法之一 select name,sum(case when sex = 1 then population else 0 end) as cnt_m,sum( ...
- 《SQL 进阶教程》 case:将已有编号方式转换为新的方式并统计
SQL 权威指南SQL 解惑在进行非定制化统计时,需要将已有编号方式转换为另外一种便于分析的方式进行统计需求 select case when name='哈尔滨' then '黑龙江' when n ...
- 《SQL 进阶教程》 自连接排序
子查询所做的,是计算出价格比自己高的记录的条数并将其作为自己的位次 -- 自连接实现排序功能SELECT P1.name,P1.price,(SELECT COUNT(P2.price)FROM Pr ...
- 《SQL 进阶教程》 自连接分组排序:练习题1-2-2
分组排序 SELECT d1.district, d1. NAME, (SELECT COUNT(d2.price) FROM district_products d2 WHERE d2.price ...
- 《SQL 进阶教程》 case:练习题1-1-3 用 ORDER BY 指定顺序进行排序
select name from greatestsORDER BY case when name ='B' then 1 when name ='A' then 2 when name ='D' t ...
随机推荐
- Java程序中实现 MySQL数据库的备份与还原
案例代码: 数据库备份 //mysqldump -h端口号 -u用户 -p密码 数据库 > d:/test.sql --备份D盘 //备份 public static void dataBase ...
- ffmpeg 在vs配置的库名称
avcodec.lib; avformat.lib; avutil.lib; avdevice.lib; avfilter.lib;postproc.lib;swresample.lib; swsca ...
- React组件(组件属性this.state和this.props,css样式修饰组件)
目录: 1.创建组件的第一种方式 function2.将组件抽离为单独的jsx文件3.省略.jsx后缀, 配置webpack设置根目录4.创建组件的第二种方式--使用class关键字创建组件5.组件私 ...
- 【Python之路】特别篇--Python装饰器
前情提要 1. 作用域 在python中,函数会创建一个新的作用域.python开发者可能会说函数有自己的命名空间,差不多一个意思.这意味着在函数内部碰到一个变量的时候函数会优先在自己的命名空间里面去 ...
- less命令：查看文件内容
less 命令的作用和 more 十分类似,都用来浏览文本文件中的内容,不同之处在于,使用 more 命令浏览文件内容时,只能不断向后翻看,而使用 less 命令浏览,既可以向后翻看,也可以向前翻看. ...
- 四、SpringBoot整合mybatis——配置mybatis驼峰命名规则自动转换
简述: mybatis驼峰式命名规则自动转换: 使用前提:数据库表设计按照规范“字段名中各单词使用下划线"_"划分”:使用好处:省去mapper.xml文件中繁琐编写表字段列表与表 ...
- JavaWeb-SpringBoot(抖音)_二、服务器间通讯
JavaWeb-SpringBoot(抖音)_一.抖音项目制作 传送门 JavaWeb-SpringBoot(抖音)_二.服务器间通讯 传送门 JavaWeb-SpringBoot(抖音)_三.抖音项 ...
- Android_(控件)使用Gallery浏览手机上SD卡中图片
运行截图: (发现后面两张照片是自己自拍,大写的尴尬对图片进行涂鸦了!!!) 程序结构: <?xml version="1.0" encoding="utf-8&q ...
- 微信小程序获得unionid
一.微信小程序中app.js中: wx.login({ success: res => { if(res.code){ var code = res.code; wx.getSetting({ ...
- bootstrap-table前端实现多条件时间段查询数据
实现思路:通过正则匹配到字段是否符合条件,时间段转换为时间戳比对. 这是大体的效果图: 页面的html代码 <div class="content-head mgb10"&g ...