<where>
 
<if test= "id!=null">
 
AND t1.fid = #{id,jdbcType=VARCHAR}
 
</if>
 
</where>
 
jdbctype 一定要写

 
 
 
  
REPORT  ztest001_xch.
TABLES: makt.

DATA where_tab(80) OCCURS 10 WITH HEADER LINE.
DATA : wa_itab LIKE makt OCCURS 10 WITH HEADER LINE.

PARAMETERS: s_trx LIKE makt-matnr OBLIGATORY,
lan LIKE makt-spras OBLIGATORY.

INITIALIZATION.
  MOVE 'EN' TO lan.

START-OF-SELECTION.
  CALL FUNCTION 'CONVERSION_EXIT_ALPHA_OUTPUT'
    EXPORTING
      input  = s_trx
    IMPORTING
      output = s_trx.

  CONCATENATE 'matnr like ''%' s_trx '%''' INTO where_tab.
  APPEND where_tab.
  CONCATENATE ' and SPRAS = ''' lan '''' INTO where_tab.
  APPEND where_tab.
  CLEAR where_tab.

  SELECT * FROM makt INTO TABLE wa_itab WHERE (where_tab).

END-OF-SELECTION.
  LOOP AT wa_itab.
    WRITE:/  wa_itab-matnr,wa_itab-spras.
  ENDLOOP.
 
 
 
 
 
 
 
一些教训：单引号是特殊字符,如果要用到单引号，必须得转义,'',即两个单引号。SQL语句查询条件为字符时，需要加单引号。CONCATENATE ' and SPRAS = ''' lan '''' INTO where_tab.　实际上是三个字符串连接成一个字符串存放到内表中，and SPRAS = '变量'，前面是一个字符串，and SPRAS = ''，中间是一个变量　lan，后面是一个单引号'' ，所以合起来就是　CONCATENATE ' and SPRAS = ''' lan '''' INTO where_tab.
 
 
关于字符串的连接和单引号的使用，需要去体会和实践一下。这是关于在SAP中如何多条件语句的使用示例。
 
 
注意：WHERE (where_tab)　。括号必须紧跟着这个内表，不能有空格。
 
 
转载于:https://www.cnblogs.com/rainysblog/p/6514946.html

注意： df1.where(cond,df2) 等价于 np.where(cond, df1, df2)
 
1. pandas.DataFrame.where
 
DataFrame.where(cond, other=nan, inplace=False, axis=None, level=None, try_cast=False, raise_on_error=True)
 功能：按条件查找替换，cond 为 True 则 self 值保持不变；False 改为参数 other 对应的值。结果返回与 self 相同的对象。
 参数：
 cond 查找条件
 other cond为False时要替换的值
 inplace 是否在原数据上操作
 
>>> import numpy as np
>>> import pandas as pd
>>> data = pd.DataFrame(np.arange(12).reshape(3,4),columns=['a','b','c','d'])
>>> data
   a  b   c   d
0  0  1   2   3
1  4  5   6   7
2  8  9  10  11
>>> data.where(data['a']>3, 3.0)
   a  b   c   d
0  3  3   3   3
1  4  5   6   7
2  8  9  10  11
 
2.numpy.where
 
声明： 首先强调一下，where()函数对于不同的输入，返回值是不同的。
 
 
当数组是一维数组时，返回的值是一维的索引，所以只有一组索引数组
 
 
当数组是多维数组时，满足条件的数组值返回的是值的位置索引，因此会有两组索引数组来表示值的位置。
 
 
>>> import numpy as np
>>> a = np.arange(10)
>>> a
array([0, 1, 2, 3, 4, 5, 6, 7, 8, 9])
>>> np.where(a>5)
(array([6, 7, 8, 9], dtype=int64),)

>>> b = np.arange(20).reshape(4,5)
>>> b
array([[ 0,  1,  2,  3,  4],
       [ 5,  6,  7,  8,  9],
       [10, 11, 12, 13, 14],
       [15, 16, 17, 18, 19]])
>>> np.where(b>10)
(array([2, 2, 2, 2, 3, 3, 3, 3, 3], dtype=int64), array([1, 2, 3, 4, 0, 1, 2, 3, 4], dtype=int64))
 
具体实现
 
numpy.where(condition[, x, y])
 功能：
 参数：
 condition： 判定条件，如果True，选择 x；False，选择y（数据类型为数组，bool 值）x,y（可选）： x 和 y 的 shape 必须和 condition 相同（可以采用 broadcast，广播机制）
 ①如果参数有condition，x和y，它们三个参数的shape是相同的。那么，当condition中的值是true时返回x对应位置的值，false是返回y的。
 ②如果参数只有condition的话，返回值是condition中元素值为true的位置索引，且是以元组形式返回，元组的元素是ndarray数组，表示位置的索引
 
>>> np.where([[True, False], [True, True]],	# 官网例子
...          [[1, 2], [3, 4]],
...          [[9, 8], [7, 6]])
array([[1, 8],
       [3, 4]])
       
 >>> x = np.arange(9).reshape(3, 3)
>>> np.where(x>5)		# ndarray 数组分别表示对应的 行和列
(array([2, 2, 2], dtype=int64), array([0, 1, 2], dtype=int64))
 
https://www.cnblogs.com/zz22–/p/8654395.html

# coding:utf-8

import numpy as np

x = np.array([[1, -1], [-1, 1]])
print(x)
"""
[[ 1 -1]
 [-1  1]]
"""

# 将第一列中的-1替换程100
x[:, 0] = np.where(x[:, 0] == -1, 100, x[:, 0])
print(x)
"""
[[  1  -1]
 [100   1]]
"""

# 将第一行中的-1替换成200
x[0, :] = np.where(x[0, :] == -1, 200, x[0, :])
print(x)
"""
[[  1 200]
 [100   1]]
"""

# 将除去100和200之外的所有元素替换成300
x = np.where((x != 100) & (x != 200), 300, x)
print(x)
"""
[[300 200]
 [100 300]]
"""

# 将100和200替换成400
x = np.where((x == 100) | (x == 200), 400, x)
print(x)
"""
[[300 400]
 [400 300]]
"""
 
参考链接