精华内容
下载资源
问答
  • 哪些列需要索引
    千次阅读
    2018-04-08 17:24:20

    数据量大的,经常进行查询操作的表要建立索引

    1)表与表连接用于多表联合查询的约束条件的字段应当建立索引;

    2)用于排序的字段可以添加索引,用于分组的字段应当视情况看是否需要添加索引。添加多列索引的时候,对应的多条件查询可以触发该索引的同时,索引最左侧的列的单条件查询也可以触发。

    3)如果有些表注定只会进行查询所有,也就没必要添加索引,因为查询全部只能进行全量搜索即扫描全表。

    更多相关内容
  • mysql 给增加索引

    千次阅读 2019-07-26 17:38:52
    优点: ...缺点:创建了索引,当然就需要我们去维护索引了,维护是需要时间,随着索引的增加而增加。索引还会占用物理空间,我们数据库的数据表是占用物理空间,索引也是要占用一定的空间,而且...

    优点:
    可能有人知道索引的作用的是什么,例如知道索引可以提高查询效率,减少查询时编列全表,或者说,有了索引可按特定的序列进行排序等等。还可以加快表与表之间的连接。 在使用分组和排序子句进行数据检索时,可以显著的减少查询的时间。

    缺点:创建了索引,当然就需要我们去维护索引了,维护是需要时间,随着索引的增加而增加。索引还会占用物理空间,我们数据库的数据表是占用物理空间,索引也是要占用一定的空间,而且当时我们需要创建聚集索引的时候消耗就更大了。还有就是我们平时的数据操作了,当我们需要频繁对一张表进行删除,插入操作的时候,索引要动态的变化,消耗很多的性能。

    下面说说创建索引的语句:

    #创建普通的索引

     alter table `table_name`  add  index `index_name` (`字段名`)

    #创建主键索引

    alter  table `table_name` add primary  key (`字段名`)

    #创建 唯一索引

    alter  table  `table_name` add unique  (`字段名`)

    #创建全文的索引

    alter table `table_name` add  fulltext (`字段名`)

    #创建多个索引

    alter  table `table_name`  add index  `index_Name`(`column`,`column1`,`column_N`.......)

     

    下面是删除索引的语句

    drop  index `index_name` on `table_name`

    alter  table `table_name` drop index `index_name`

    展开全文
  • 从datafram中删除列索引

    千次阅读 2021-01-29 12:58:20
    end)现在我用下面的函数来表示cordinates,但是当我试图将其转换为dataframe,不确定索引在df中作为的位置我想删除这些索引并将第二行作为,这是我的数据帧0 1 2 3 4 5 6Cols/Rows A A2 B B2 C ...

    我通过传递cordinate从excel表中提取了多个数据帧(start&end)

    现在我用下面的函数来表示cordinates,但是当我试图

    将其转换为dataframe,不确定索引在df中作为列的位置

    我想删除这些索引并将第二行作为列,这是我的数据帧0 1 2 3 4 5 6

    Cols/Rows A A2 B B2 C C2

    0 A 50 50 150 150 200 200

    1 B 200 200 250 300 300 300

    2 C 350 500 400 400 450 450

    def extract_dataframes(sheet):

    ws = sheet['pivots']

    cordinates = [('A1', 'M8'), ('A10', 'Q17'), ('A19', 'M34'), ('A36', 'Q51')]

    multi_dfs_list = []

    for i in cordinates:

    data_rows = []

    for row in ws[i[0]:i[1]]:

    data_cols = []

    for cell in row:

    data_cols.append(cell.value)

    data_rows.append(data_cols)

    multi_dfs_list.append(data_rows)

    multi_dfs = {i: pd.DataFrame(df) for i, df in enumerate(multi_dfs_list)}

    return multi_dfs

    我试图删除索引,但没用。

    注意:当我说

    ^{pr2}$

    展开全文
  • 一、深入浅出理解索引结构  实际上,您可以把索引理解为一种特殊的目录。微软的SQL SERVER提供了两种索引: 聚集索引(clustered index,也称聚类索引、簇集索引)和 非聚集索引(nonclustered index,...

    一、深入浅出理解索引结构 

    实际上,您可以把索引理解为一种特殊的目录。微软的SQL SERVER提供了两种索引:

    聚集索引(clustered index,也称聚类索引、簇集索引)和

    非聚集索引(nonclustered index,也称非聚类索引、非簇集索引)。

    下面,我们举例来说明一下聚集索引和非聚集索引的区别: 
      其实,我们的汉语字典的正文本身就是一个聚集索引。比如,我们要查“安”字,就会很自然地翻开字典的前几页,

    为“安”的拼音是“an”,而按照拼音排序汉字的字典是以英文字母“a”开头并以“z”结尾的,那么“安”字就自然地排在

    字典的前部。如果您翻完了所有以“a”开头的部分仍然找不到这个字,那么就说明您的字典中没有这个字;同样的,如

    查“张”字,那您也会将您的字典翻到最后部分,因为“张”的拼音是“zhang”。也就是说,字典的正文部分本身就是一

    个目录,您不需要再去查其他目录来找到您需要找的内容。我们把这种正文内容本身就是一种按照一定规则排列的目录

    称为“聚集索引”。也就是说该索引中的键值的逻辑决定了表中相应行的物理顺序。

      如果您认识某个字,您可以快速地从自动中查到这个字。但您也可能会遇到您不认识的字,不知道它的发音,这时候

    ,您就不能按照刚才的方法找到您要查的字,而需要去根据“偏旁部首”查到您要找的字,然后根据这个字后的页码直接翻

    到某页来找到您要找的字。但您结合“部首目录”和“检字表”而查到的字的排序并不是真正的正文的排序方法,比如您查“张

    ”字,我们可以看到在查部首之后的检字表中“张”的页码是672页,检字表中“张”的上面是“驰”字,但页码却是63页,“张”

    的下面是“弩”字,页面是390页。很显然,这些字并不是真正的分别位于“张”字的上下方,现在您看到的连续的“驰、张、

    ”三字实际上就是他们在非聚集索引中的排序,是字典正文中的字在非聚集索引中的映射。我们可以通过这种方式来找到您所

    需要的字,但它需要两个过程,先找到目录中的结果,然后再翻到您所需要的页码。我们把这种目录纯粹是目录,正文纯粹是

    正文的排序方式称为“非聚集索引”。该索引中索引的逻辑顺序与磁盘上行的物理存储顺序不同。 

      通过以上例子,我们可以理解到什么是“聚集索引”和“非聚集索引”。进一步引申一下,我们可以很容易的理解:每个表

    只能有一个聚集索引,因为目录只能按照一种方法进行排序。 

       如果用一种通俗的描述就是:索引是通过二叉树的数据结构来描述的。聚簇索引:叶子节点就是数据节点;非聚簇索引:叶

    子节点仍然是索引点,

    只不过有一个指针指向对应数据块。

    簇聚索引图:


    非簇聚索引图:



    下面的表格阐述了什么时候应该用非簇聚索引,什么时候用簇聚索引:

    动作描述 使用聚集索引 使用非聚集索引
    列经常被分组排序
    返回某范围内的数据 不应
    一个或极少不同值 不应 不应
    小数目的不同值 不应
    大数目的不同值 不应
    频繁更新的列 不应
    外键列
    主键列
    频繁修改索引列 不应

      三、结合实际,谈索引使用的误区

    理论的目的是应用。虽然我们刚才列出了何时应使用聚集索引或非聚集索引,但在实践中以上规则却很容易被忽视或

    不能根据实际情况进行综合分析。

    下面我们将根据在实践中遇到的实际问题来谈一下索引使用的误区,以便于大家掌握索引建立的方法。
    1.主键就是聚集索引:

     这种想法笔者认为是极端错误的,是对聚集索引的一种浪费。虽然SQL SERVER默认是在主键上建立聚集索引的。
          通常,我们会在每个表中都建立一个ID列,以区分每条数据,并且这个ID列是自动增大的,步长一般为1。

    我们的这个办公自动化的实例中的列Gid就是如此。此时,如果我们将这个列设为主键,SQL SERVER会将此列默认

    为聚集索引。这样做有好处,就是可以让您的数据在数据库中按照ID进行物理排序,但笔者认为这样做意义不大。

          显而易见,聚集索引的优势是很明显的,而每个表中只能有一个聚集索引的规则,这使得聚集索引变得更加珍贵。
          从我们前面谈到的聚集索引的定义我们可以看出,使用聚集索引的最大好处就是能够根据查询要求,迅速缩小查

    询范围,避免全表扫描。在实际应用中,因为 ID号是自动生成的,我们并不知道每条记录的ID号,所以我们很难在实践

    中用ID号来进行查询。这就使让ID号这个主键作为聚集索引成为一种资源浪费。其次,让每个ID号都不同的字段作为聚

    集索引也不符合“大数目的不同值情况下不应建立聚合索引”规则;当然,这种情况只是针对用户经常修改记录内容,特别

    是索引项的时候会负作用,但对于查询速度并没有影响。

          在办公自动化系统中,无论是系统首页显示的需要用户签收的文件、会议还是用户进行文件查询等任何情况下进行数

    据查询都离不开字段的是“日期”还有用户本身的“用户名”。

          通常,办公自动化的首页会显示每个用户尚未签收的文件或会议。虽然我们的where语句可以仅仅限制当前用户尚

    未签收的情况,但如果您的系统已建立了很长时间,并且数据量很大,那么,每次每个用户打开首页的时候都进行一次全表扫描,

    这样做意义是不大的,绝大多数的用户1个月前的文件都已经浏览过了,这样做只能徒增数据库的开销而已。事实上,我们完全可

    以让用户打开系统首页时,数据库仅仅查询这个用户近3个月来未阅览的文件,通过“日期”这个字段来限制表扫描,提高查询速度。

    如果您的办公自动化系统已经建立的2年,那么您的首页显示速度理论上将是原来速度8倍,甚至更快。

          在这里之所以提到“理论上”三字,是因为如果您的聚集索引还是盲目地建在ID这个主键上时,您的查询速度是没有这么高

    的,即使您在“日期”这个字段上建立的索引(非聚合索引)。下面我们就来看一下在1000万条数据量的情况下各种查询的速度表

    现(3个月内的数据为25万条):

    [html]  view plain  copy
    1. (1)仅在主键上建立聚集索引,并且不划分时间段:  
    2.   
    3. Select gid,fariqi,neibuyonghu,title from tgongwen  
    4.   
    5. 用时:128470毫秒(即:128秒)  

    [html]  view plain  copy
    1. (2)在主键上建立聚集索引,在fariq上建立非聚集索引:  
    2.   
    3. select gid,fariqi,neibuyonghu,title from Tgongwen  
    4. where fariqi> dateadd(day,-90,getdate())  
    5.   
    6. 用时:53763毫秒(54秒)  

    [html]  view plain  copy
    1. (3)将聚合索引建立在日期列(fariqi)上:  
    2.   
    3.     select gid,fariqi,neibuyonghu,title from Tgongwen  
    4.     where fariqi> dateadd(day,-90,getdate())  
    5.   
    6.     用时:2423毫秒(2秒)  

     2、只要建立索引就能显著提高查询速度
          事实上,我们可以发现上面的例子中,第2、3条语句完全相同,且建立索引的字段也相同;不同的仅是前者在fariqi字段

    上建立的是非聚合索引,后者在此字段上建立的是聚合索引,但查询速度却有着天壤之别。所以,并非是在任何字段上简单地建立

    索引就能提高查询速度。
          从建表的语句中,我们可以看到这个有着1000万数据的表中fariqi字段有5003个不同记录。在此字段上建立聚合索引是再

    合适不过了。在现实中,我们每天都会发几个文件,这几个文件的发文日期就相同,这完全符合建立聚集索引要求的:“既不能绝大

    多数都相同,又不能只有极少数相同”的规则。由此看来,我们建立“适当”的聚合索引对于我们提高查询速度是非常重要的。


    3、把所有需要提高查询速度的字段都加进聚集索引,以提高查询速度
          上面已经谈到:在进行数据查询时都离不开字段的是“日期”还有用户本身的“用户名”。既然这两个字段都是如此的重要,我

    们可以把他们合并起来,建立一个复合索引(compound index)。
          很多人认为只要把任何字段加进聚集索引,就能提高查询速度,也有人感到迷惑:如果把复合的聚集索引字段分开查询,那

    么查询速度会减慢吗?带着这个问题,我们来看一下以下的查询速度(结果集都是25万条数据):(日期列fariqi首先排在复合聚集

    索引的起始列,用户名neibuyonghu排在后列):

    [html]  view plain  copy
    1. (1)select gid,fariqi,neibuyonghu,title from Tgongwen where fariqi>''2004-5-5''  
    2.   
    3.     查询速度:2513毫秒  
    [html]  view plain  copy
    1. (2)select gid,fariqi,neibuyonghu,title from Tgongwen  
    2.                 where fariqi>''2004-5-5'' and neibuyonghu=''办公室''  
    3.   
    4.     查询速度:2516毫秒  
    [html]  view plain  copy
    1. (3)select gid,fariqi,neibuyonghu,title from Tgongwen where neibuyonghu=''办公室''  
    2.   
    3.     查询速度:60280毫秒  

    从以上试验中,我们可以看到如果仅用聚集索引的起始列作为查询条件和同时用到复合聚集索引的全部列的查询速度是几乎一样的,甚至比用上全部的

    复合索引列还要略快(在查询结果集数目一样的情况下);而如果仅用复合聚集索引的非起始列作为查询条件的话,这个索引是不起

    任何作用的。

    然,语句1、2的查询速度一样是因为查询的条目数一样,如果复合索引的所有列都用上,而且查询结果少的话,这样就会形成“索引覆盖”,

    因而性能可以达到最优。同时,请记住:无论您是否经常使用聚合索引的其他列,但其前导列一定要是使用最频繁的列。


     四、其他书上没有的索引使用经验总结

       1、用聚合索引比用不是聚合索引的主键速度快
          下面是实例语句:(都是提取25万条数据)

        select gid,fariqi,neibuyonghu,reader,title from Tgongwen where fariqi=''2004-9-16''

        使用时间:3326毫秒

        select gid,fariqi,neibuyonghu,reader,title from Tgongwen where gid<=250000

        使用时间:4470毫秒

        这里,用聚合索引比用不是聚合索引的主键速度快了近1/4。

        2、用聚合索引比用一般的主键作order by时速度快,特别是在小数据量情况下

        select gid,fariqi,neibuyonghu,reader,title from Tgongwen order by fariqi

        用时:12936

        select gid,fariqi,neibuyonghu,reader,title from Tgongwen order by gid

        用时:18843

          这里,用聚合索引比用一般的主键作order by时,速度快了3/10。事实上,如果数据量很小的话,用聚集索引作为排序列

    要比使用非聚集索引速度快得明显的多;而数据量如果很大的话,如10万以上,则二者的速度差别不明显。

        3、使用聚合索引内的时间段,搜索时间会按数据占整个数据表的百分比成比例减少,而无论聚合索引使用了多少个:

        select gid,fariqi,neibuyonghu,reader,title from Tgongwen where fariqi>''2004-1-1''

        用时:6343毫秒(提取100万条)

        select gid,fariqi,neibuyonghu,reader,title from Tgongwen where fariqi>''2004-6-6''

        用时:3170毫秒(提取50万条)

        select gid,fariqi,neibuyonghu,reader,title from Tgongwen where fariqi=''2004-9-16''

        用时:3326毫秒(和上句的结果一模一样。如果采集的数量一样,那么用大于号和等于号是一样的)

        select gid,fariqi,neibuyonghu,reader,title from Tgongwen
                    where fariqi>''2004-1-1'' and fariqi<''2004-6-6''

        用时:3280毫秒

        4、日期列不会因为有分秒的输入而减慢查询速度
          下面的例子中,共有100万条数据,2004年1月1日以后的数据有50万条,但只有两个不同的日期,日期精确到日;之前有

    数据50万条,有5000个不同的日期,日期精确到秒。

        select gid,fariqi,neibuyonghu,reader,title from Tgongwen
                  where fariqi>''2004-1-1'' order by fariqi

        用时:6390毫秒

        select gid,fariqi,neibuyonghu,reader,title from Tgongwen
                    where fariqi<''2004-1-1'' order by fariqi

        用时:6453毫秒

        五、其他注意事项

          “水可载舟,亦可覆舟”,索引也一样。索引有助于提高检索性能,但过多或不当的索引也会导致系统低效。因为用户在表中

    每加进一个索引,数据库就要做更多的工作。过多的索引甚至会导致索引碎片。
          所以说,我们要建立一个“适当”的索引体系,特别是对聚合索引的创建,更应精益求精,以使您的数据库能得到高性能的发

    挥。
          当然,在实践中,作为一个尽职的数据库管理员,您还要多测试一些方案,找出哪种方案效率最高、最为有效。

    展开全文
  • 对于DataFrame的修改操作其实有很多,不单单是某个部分的值的修改,还有一些索引的修改、列名的修改,类型修改等等。我们仅选取部分进行介绍。一、值的修改DataFrame的修改方法,其实前面介绍loc方法的时候介绍了...
  • PostgreSQL多列索引

    千次阅读 2019-09-09 16:06:55
    列索引在实际的应用中是个很常见的功能,比如说一张...哪些索引支持多列索引?多列索引的索引列该如何选择?同一个多列索引在不同场景下是不是查询效率都一样呢?.. 我们先来看看在PostgreSQL中哪些索引支持多列索引,...
  • Pandas read_表使用第一作为索引

    千次阅读 2021-02-03 13:29:22
    我有一个包含表单行的txt文件(比如说第1行):id1-a1-b1-c1我想使用pandas将其加载到一个数据帧中,索引是id,列名是'a','B','C',值是对应的a I,bi,ci最后,我希望数据帧看起来像:'A' 'B' 'C'id1 a1 b1 c1id2 ...
  • 约定:import pandas as pdDataFrame对象的索引之间的转化我们常常需要将DataFrame对象中的某或某几列作为索引,或者将索引转化为对象的。pandas提供了set_index()/reset_index() 来供我们使用。一、转化...
  • Pandas如何指定某一作为索引

    万次阅读 2022-02-24 12:01:50
    # 以商品名称这一作为索引 df1 = df.set_index('商品名称') # 有时候数据没有表头,即发生了缺失: # 指定第一列为索引 df1 = pd.read_excel(df,index_col=0)
  • 一、什么是索引?  索引用来快速地寻找那些具有特定值的记录...如果作为搜索条件的上已经创建了索引,MySQL无需扫描任何记录即可迅速得到目标记录所在的位置。如果表有1000个记录,通过索引查找记录至少要比顺序扫描
  • DataFrame按照列索引选取指定列

    千次阅读 2020-10-09 21:42:22
    DataFrame["column"]
  • MySQL如何添加多唯一索引

    千次阅读 2020-06-29 08:25:36
    已经创建好了的数据库,如何添加(而不是创建表时)多列索引,看过网上很多,但写的不直观。 特举例说明: 已有mysql表,名为medicine。 需求:在medicine表中,将 id 设置为 主键, 为 药品名 和 药品编号 字段 ...
  • 联合索引(多列索引

    万次阅读 多人点赞 2018-08-07 15:37:09
    联合索引是指对表上的多个进行索引,联合索引也是一棵B+树,不同的是联合索引的键值数量不是1,而是大于等于2. 最左匹配原则 假定上图联合索引的为(a,b)。联合索引也是一棵B+树,不同的是B+树在对索引a排序...
  • 一、适合建索引的情况: 1.频繁作为where条件语句查询字段 2.关联字段需要建立索引 3.排序字段可以建立索引 4.分组字段可以建立索引(因为分组前提是排序) ...5.参与计算的不适合建索引 ...
  • 外键上是否需要索引

    千次阅读 2018-07-05 21:07:45
    外键上是否需要索引 其实这个问题应该算是老生常谈了。这两天看concept看到这里,于是就在说说这个问题。 外键上缺少索引会带来两个问题,限制并发性、影响性能。而这两个问题中的任意一个都可能会造成严重...
  • Python Pandas 索引相互转化

    万次阅读 2022-03-06 09:37:06
    Pandas是一个数据处理的库,今天我们来学习索引相互转化 一、数据准备 import pandas as pd data = pd.read_excel(r'销售数据.xlsx') print(data) 运行结果: 二、 -->索引df.set_index('date'...
  • pandas添加索引列名称

    千次阅读 2022-01-26 10:53:54
    想将索引列的名称也加上,效果如下 原來的数据列表结构如下 添加代码 # 添加索引列名称 pay_rate.index.name = '出勤天数' 实现效果
  • pandas中DataFrame的“索引列”,删除pandas中的关于DataFrame中的“索引列”删除方法一:del df['index']方法二:df.drop(['index'],axis = 1)删除“索引列” 关于DataFrame中的“索引列” 在DataFrame中的索引...
  • Pandas 获取DataFrame 的行索引和列索引

    万次阅读 2020-10-24 09:48:44
    文章目录 行索引: list(df.index) 列索引: list(df.index) 完整实验: df = pd.DataFrame(data = np.random.randint(0,100, size = (4,4)), columns = ['A', 'B', 'C', 'D']) df
  • 我们将介绍将 PandasDataFrame的索引转换为的各种方法,例如df.index,带有rename_axis的reset_index来重命名索引,以及set_index。我们还将介绍如何将多索引应用于具有多层索引的给定DataFrame。将索引添加为的...
  • pandas的列索引的用法

    千次阅读 2019-07-23 14:58:02
    1,列索引的基本用法。 df.index 可以获取dateframe的列索引信息 df.index=list(列表) 可以修改列的索引。 2,根据条件,获取列索引行号并转成列表。 3,添加列索引。 set_index(): 对列索引进行设置。 reset_index...
  • 需要知道结果,既然是索引那这个数据结构最后是排好序;就像新华字典他的目录就是按照a,b,c…这样排好序的; 所以你在找东西的时候才快,比如你找 “中” 这个字的解释,你肯定就会定位到目录的 z 开头部分; ...
  • Python | Pandas | 获取行/列索引

    千次阅读 2022-03-02 08:13:33
    本文说明如何利用Pandas获得符合条件的数据的行/列索引值。 Updated: 2022/3/12 Python | Pandas | 获取行/列索引 获取行索引 参考链接 获取行索引 根据列标签和指定的列的值,获取符合条件的数据所在的行的行索引1 ...
  • sql 报:无效的列索引 可能的原因

    万次阅读 2018-08-31 15:08:13
    今天遇到了sql报无效的列索引错误,在网上找了找问题,基本都在说是sql拼写错误, 基本可以确定这个错误一般都是由低级失误导致的,请注意检查自己的sql拼写 按照网上指出的问题去找,没有和自己错误一样的,最后...
  • pandas根据索引删除dataframe

    千次阅读 2021-12-24 03:09:28
    如何根据索引删除dataframe的多个呢? # 要删除的,注意索引是从0开始的 x=[0,2,8,9,10,11,12] df.drop(df.columns[x], axis=1, inplace=True)
  • pandas把索引变成

    千次阅读 2021-02-06 22:24:38
    pandas把索引变成,只需要使用reset_index。这样index就会变成一变量出现在元数据表中。 比如原来的数据表是上面这样, 使用reset_index 就变成这样 具体reset_index,还有一些更细的应用,后续随着学习...
  • Dataframe列索引操作

    千次阅读 2019-06-01 23:08:01
    1.在df的索引’Salary’左侧插入索引’low-salsary’并赋值 col_name = data.columns.tolist() col_name.insert(col_name.index('Salary'),'low_salary') df = df.reindex(columns=col_name) df['low_salary'] =...
  • Python dataframe获取行索引和列索引

    千次阅读 2021-03-23 10:57:41
    本文主要展示dataframe数据导入后如何获得行标签和标签 代码块: df = pd.DataFrame([[0, 2, 3], [0, 4, 1], [10, 20, 30]], columns=['A', 'B', 'C'], index = ['a','b','c']) user_index = list(df.index....
  • Oracle 无效的列索引

    千次阅读 2020-01-16 14:01:24
    1.无效的列索引 这个问题看了一天,参数个数和类型不对应,必须仔细查看(查看表与存储过程字段是否对应) 2.主键ID值太大 Out Varchar2; 3.参数和个数类型错误 参数类型和个数不对应 4.存储过程怎么写,能看懂知道改就行...

空空如也

空空如也

1 2 3 4 5 ... 20
收藏数 829,180
精华内容 331,672
关键字:

哪些列需要索引