SQL中的窗口函数

1.窗口函数简介

窗口函数是SQL中的一项高级特性，用于在不改变查询结果集行数的情况下，对每一行执行聚合计算或者其他复杂的计算，也就是说窗口函数可以跨行计算，可以扫描所有的行，并把结果填到每一行中。这些函数通常与OVER()子句一起使用，可以定义窗口或分区，并在上面执行计算，使用窗口函数，可以使许多难以处理的棘手问题变得较为容易。
窗口函数的特点包括：

  1. 输入多行（一个窗口），返回一个值：窗口函数为每行数据进行一次计算，但不会改变原始查询结果集的行数
  2. 计算方式灵活：可以使用partition by字句将数据分区，并使用order by子句来进行排序等一些复杂运算
  3. 与聚合函数结合使用：可以与聚合函数结合使用，在不分组的情况下计算如总和、平均值、最小值、最大值等聚合值。

2.语法结构解析

<窗口函数> OVER (
    [PARTITION BY <分组列>]
    [ORDER BY <排序列>]
    [ROWS 或 RANGE <窗口框架定义>]
)

其中：

  • PARTITION BY 子句用于将数据分成不同的分区，窗口函数将在每个分区内执行。可以理解为group by
  • ORDER BY 子句定义了数据的排序方式，决定窗口函数的计算顺序。
  • ROWS BETWEEN 子句指定了窗口的范围，可以是行数、区间等。

3.常用的窗口函数SQL示例

常用的窗口函数有：

  1. 聚合函数：SUM()、AVG()、COUNT()、MAX()、MIN()等
  2. 排名函数：
    • ROW_NUMBER()：为窗口内的每一行分配一个唯一的序号，序号连续且不重复；
    • RANK()：排名函数，允许有并列的名次，名次后面会出现空位。
    • ENSE_RANK()：排名函数，允许有并列的名次，名次后面不会空出位置，即序号连续。
  3. 分组窗口函数：
    • NTILE()：将窗口内的行分为指定数量的组，每组的行数尽可能相等。
  4. 分布窗口函数
    • PERCENT_RANK()：计算每一行的相对排名，返回一个介于0到1之间的值，表示当前行在分区中的排名百分比。
    • CUME_DIST()：计算小于或等于当前行的行数占窗口总行数的比例。
  5. 取值窗口函数
    • LAG()：访问当前行之前的第n行数据。
    • LEAD()：访问当前行之后的第n行数据。
    • FIRST_VALUE()：获取窗口内第一行的值。
    • LAST_VALUE()：获取窗口内最后一行的值。
    • NTH_VALUE()：获取窗口内第n行的值，如果存在多行则返回第一个。

这里以employees表为例：

CREATE TABLE employees (
    employee_id INT PRIMARY KEY,
    name VARCHAR(255),
    department_name VARCHAR(255),
    salary DECIMAL(10, 2)
);

-- 插入数据
INSERT INTO employees (employee_id, department_name, name, salary) VALUES
(1, '财务部', '张三', 30000),
(2, '财务部', '李四', 25000),
(3, '市场部', '王五', 40000),
(4, '市场部', '赵六', 35000),
(5, '市场部', '孙七', 50000),
(6, '技术部', '周八', 45000),
(7, '技术部', '钱九', 60000),
(8, '技术部', '吴十', 55000);
聚合窗口函数查询
SELECT
    employee_id,
    name,
    department_name,
    salary,
    SUM(salary) OVER (PARTITION BY department_name) AS total_salary,
    AVG(salary) OVER (PARTITION BY department_name) AS average_salary,
    COUNT(*) OVER (PARTITION BY department_name) AS employee_count,
    MAX(salary) OVER (PARTITION BY department_name) AS max_salary,
    MIN(salary) OVER (PARTITION BY department_name) AS min_salary
FROM employees;

执行输入如下：
在这里插入图片描述

排名窗口函数查询
ROW_NUMBER()窗口函数查询
SELECT
    employee_id,
    name,
    department_name,
    salary,
    ROW_NUMBER() OVER () AS salary_rank
FROM employees;

执行输出如下：
在这里插入图片描述
如果想要在部门内分区添加行号

SELECT
    employee_id,
    name,
    department_name,
    salary,
    ROW_NUMBER() OVER (PARTITION BY department_name ORDER BY salary DESC) AS salary_rank
FROM employees;

执行结果如下：
在这里插入图片描述

RANK() && DENSE_RANK()

RANK() 和 DENSE_RANK() 函数的主要区别在于处理并列名次的方式。RANK() 函数在遇到并列名次时会在下一个名次处留出空位，而 DENSE_RANK() 函数则不会留出空位，名次连续。
我们需要确保每个部门至少有两个员工的薪资是相同的。我们假如插入的数据如下：

INSERT INTO employees (employee_id, name, department_name, salary) VALUES
(1, 'Alice', '财务部', 70000),
(2, 'Bob', '财务部', 60000),
(3, 'Charlie', '财务部', 60000), -- 与Bob薪资相同
(4, 'David', '市场部', 80000),
(5, 'Eve', '市场部', 80000), -- 与David薪资相同
(6, 'Frank', '市场部', 50000),
(7, 'Grace', '技术部', 90000),
(8, 'Heidi', '技术部', 75000),
(9, 'Ivan', '技术部', 75000), -- 与Heidi薪资相同
(10, 'Judy', '财务部', 60000), -- 与Bob和Charlie薪资相同
(11, 'Karl', '市场部', 50000), -- 与Frank薪资相同
(12, 'Linda', '技术部', 90000), -- 与Grace薪资相同
(13, 'Mike', '财务部', 50000), -- 新薪资水平
(14, 'Nancy', '市场部', 60000), -- 与Bob和Charlie薪资相同
(15, 'Oliver', '技术部', 60000); -- 与Bob和Charlie薪资相同

执行包含 RANK() 和 DENSE_RANK() 函数的查询：

SELECT
    employee_id,
    name,
    department_name,
    salary,
    RANK() OVER (PARTITION BY department_name ORDER BY salary DESC) AS salary_rank,
    DENSE_RANK() OVER (PARTITION BY department_name ORDER BY salary DESC) AS dense_salary_rank
FROM employees
ORDER BY department_name, salary DESC;

执行结果如下：
在这里插入图片描述
在这个结果中，以财务部为例，

  • Alice 薪资最高，排名 1。
  • Bob、Charlie 和 Judy 薪资相同，使用 RANK() 函数时，他们的排名依次为 2、2、2（跳过3、4），使用 DENSE_RANK() 函数时，排名连续为 2、2、2（名次连续）。
分组窗口函数查询

分组窗口函数NTILE() 将数据分为指定数量的组，每组的行数尽可能相等。假设我们要根据员工的薪资将他们分为四组（例如：高收入、中等收入、较低收入和最低收入），我们可以对每个部门使用 NTILE(4) 来实现：

    SELECT
    employee_id,
    name,
    department_name,
    salary,
    NTILE(4) OVER (PARTITION BY department_name ORDER BY salary DESC) AS salary_quartile
FROM employees;

执行结果如下：
在这里插入图片描述
在这个结果中，每个部分都被分为了4组，以市场部为例：
市场部 的 David 和 Eve 位于最高收入组（1），Nancy在中等收入组(2)，Frank分到了较低收入组（3），Karl 被分到了最低收入组（4）注意，由于 NTILE() 函数的目的是将数据分为尽可能相等的组，每个部门5个人，分为4组，每个部门肯定有两个人会分到同一个组内。

分布窗口函数查询
SELECT
    employee_id,
    name,
    department_name,
    salary,
    PERCENT_RANK() OVER (PARTITION BY department_name ORDER BY salary DESC) AS salary_percent_rank,
    CUME_DIST() OVER (PARTITION BY department_name ORDER BY salary DESC) AS salary_cume_dist
FROM employees;

执行结果如下：
在这里插入图片描述
ERCENT_RANK() 说明：
PERCENT_RANK() 函数返回一个介于0到1之间的值，表示当前员工薪资在部门中的排名百分比。例如，如果一个员工的 salary_percent_rank 是0.50，这意味着他的薪资低于或等于部门中50%的员工薪资。

  • 在 “财务部” 中，Alice 的薪资是最高的，所以她的薪资百分比排名是0.00（即她是最高薪）。Judy、Bob 和 Charlie 的薪资相同，并且低于Alice，所以他们的薪资百分比排名是0.25。
  • Mike 的薪资是最低的，所以他的薪资百分比排名是1.00。

CUME_DIST() 说明：

  • CUME_DIST() 函数返回一个介于0到1之间的值，用于求分区中大于等于或小于等于当前行的数据在分区中的占比。如果是升序排列，则统计是：小于等于当前值的行数/总行数 ，如果是降序排列，则统计：大于等于当前值的行数/总行数。
  • 这里按薪水降序排列，表示大于或等于当前员工薪资的员工数量占部门总员工数量的比例。在 “财务部” 中，Alice 的 salary_cume_dist 是0.2，因为她的薪资是最高的。Judy、Bob 和 Charlie 的薪资相同，并且有4个的员工薪资大于等于他们，所以他们的 salary_cume_dist 是0.80。Mike 是最低薪资，部门所有人都大于等于他，所以他的 salary_cume_dist 是1。
取值窗口函数查询
LAG
SELECT
    employee_id,
    name,
    department_name,
    salary,
    LAG(salary, 1, 0) OVER (PARTITION BY department_name ORDER BY salary DESC) AS prev_salary
FROM employees
ORDER BY department_name, salary DESC;

在这里插入图片描述
LAG(salary, 1, 0) 说明：

  • LAG() 函数返回当前员工之前第一个员工的薪资。如果没有前一个员工（即当前是部门中薪资最高的员工），则返回指定的默认值，这里我们使用0作为默认值。
LEAD
SELECT
    employee_id,
    name,
    department_name,
    salary,
    LEAD(salary, 1, 0) OVER (PARTITION BY department_name ORDER BY salary DESC) AS next_salary
FROM employees
ORDER BY department_name, salary DESC;

在这里插入图片描述
LEAD(salary, 1, 0) 说明：

LEAD() 函数返回当前员工之后第一个员工的薪资。如果没有后一个员工（即当前是部门中薪资最低的员工），则返回指定的默认值，这里我们使用0作为默认值。

FIRST_VALUE

FIRST_VALUE函数用于取当前行所对应窗口的第一条数据的值。

SELECT
    employee_id,
    name,
    department_name,
    salary,
    FIRST_VALUE(salary) OVER (PARTITION BY department_name ORDER BY salary DESC) AS max_salary_in_department
FROM employees
ORDER BY department_name, salary DESC;

执行结果如下：
在这里插入图片描述
FIRST_VALUE(salary) 说明：
FIRST_VALUE() 函数返回部门中薪资是按降序排列的，因此 FIRST_VALUE() 实际上是返回该部门的最高薪资。

LAST_VALUE

LAST_VALUE函数用于取当前行所对应窗口的最后一条数据的值。

SELECT
    employee_id,
    name,
    department_name,
    salary,
    LAST_VALUE(salary) OVER (PARTITION BY department_name ORDER BY salary DESC) AS min_salary_in_department
FROM employees
ORDER BY department_name, salary DESC;

执行结果如下：
在这里插入图片描述

NTH_VALUE

获取窗口内第n行的值

SELECT
    employee_id,
    name,
    department_name,
    salary,
    NTH_VALUE(salary, 3) OVER (PARTITION BY department_name ORDER BY salary DESC) AS third_salary_in_department
FROM employees
ORDER BY department_name, salary DESC;

执行结果

在这里插入图片描述

注意，这里third_salary_in_department会有null值，实际上这和分区内默认的取值范围有关，NTH_VALUE(salary, 3) 将始终返回每个分区中的第三行的值，因为这里默认取值范围从排序后的第一个行（即 ORDER BY 子句中的第一个值）到当前行，所以在当前行窗口范围内没有第三行的值时，就会显示null值。如果我们指定窗口取值范围如下：

SELECT
    employee_id,
    name,
    department_name,
    salary,
    NTH_VALUE(salary, 3) OVER (PARTITION BY department_name ORDER BY salary desc
        ROWS BETWEEN UNBOUNDED PRECEDING AND UNBOUNDED FOLLOWING) AS third_salary_in_department
FROM employees
ORDER BY department_name;

则执行结果如下：
在这里插入图片描述
这里使用了ROWS BETWEEN UNBOUNDED PRECEDING AND UNBOUNDED FOLLOWING来指定窗口的范围为第一行到最后一行，这意味着窗口包括了分区内的所有行。在这种情况下，NTH_VALUE(salary, 3) 将始终返回每个分区中的第三行的值，只要该分区至少有三行数据。

4.窗口的范围

窗口的范围，有的资料上面也叫Framing（分帧）,大致可以分为两种，一种是根据行（rows between）来划分，一种是根据列值（range between）来划分，它们都可以确定一个窗口应该包含哪些行。窗口的开始和结束可以使用以下关键字来定义：

  • UNBOUNDED PRECEDING：从分区中的第一行开始（前面所有行）。
  • CURRENT ROW：包括当前行。
  • n PRECEDING：从当前行之前的第 n 行开始。
  • n FOLLOWING：包括当前行之后第 n 行。
  • UNBOUNDED FOLLOWING：到分区中的最后一行结束（后面所有行）。
基于行划分：rows between…and…

语法格式如下：

sum(amount) over(order by <column> rows between <start> and <end>)

例如，假设你有一个包含销售数据的表，并希望计算每一行及其前两行的总和：

SELECT
    sales_date,
    sales_amount,
    SUM(sales_amount) OVER (
        ORDER BY sales_date
        ROWS BETWEEN 2 PRECEDING AND CURRENT ROW
    ) AS running_total
FROM
    sales;
基于列值划分：range between…and…

语法格式如下：

sum(amount) over(order by <column> range between <start> and <end>)

例如，我们有一个包含商品数据的表，我们希望计算每个商品价格及其前后20单位价格范围内的商品总和：

SELECT
    product_id,
    product_price,
    SUM(product_price) OVER (
        ORDER BY product_price
        RANGE BETWEEN 20 PRECEDING AND 20 FOLLOWING
    ) AS price_range_total
FROM
    products;

假设当前行product_price值为70，那其窗口范围是product_price列的值位于50（70-20）到90（70+20）之间的所有的行。

5.窗口函数的缺省值

over后的窗口函数划分语句，包括partition by 、order by 、（row|range）between ...and...这三部分，实际上这些内容也都可以省略不写。

  • partition by省略不写，表示不分区。在不进行分区的情况下，将会把整张表的全部内容作为窗口进行划分。
  • order by 省略，表示不排序
  • （row|range）between …and…省略不写，则使用其默认值，默认值分为以下两种情况：
    • over后面包含order by ,则默认值为：range between unbounded preceding and current row
    • over后面不包含order by ,则默认值为：rows between unbounded preceding and unbounded following。

小结：

可以看出，窗口产生的用法很类似聚合函数，不同的是聚合函数是将多行数据汇总为单个结果，窗口函数的话在同一个select中我们可以按照不同的列进行分区，而且多个窗口函数的列之间不受影响，功能很强大，语法也比较灵活，在进行复杂的数据分析或写一些报表时我们就可以考虑用窗口函数来去实现。

参考文档：

https://developer.aliyun.com/article/1541419
https://mysql.net.cn/doc/refman/8.0/en/window-functions.html
https://support.huaweicloud.com/intl/zh-cn/sqlref-spark-dli/dli_08_0069.html
https://www.cnblogs.com/xfeiyun/p/16965394.html

本文来自互联网用户投稿，该文观点仅代表作者本人，不代表本站立场。本站仅提供信息存储空间服务，不拥有所有权，不承担相关法律责任。如若转载，请注明出处：/a/943530.html

如若内容造成侵权/违法违规/事实不符，请联系我们进行投诉反馈qq邮箱809451989@qq.com，一经查实，立即删除！

相关文章

转运机器人推动制造业智能化转型升级

转运机器人推动制造业智能化转型升级

​在当今制造业智能化转型的浪潮中&#xff0c;技术创新成为企业脱颖而出的关键。富唯转运机器人凭借一系列先进技术&#xff0c;成为智能转型的卓越之选。 一体化 AMR 控制系统是富唯的一大亮点。它采用低代码流程搭建和配置模式&#xff0c;极大地缩短了部署时间。企业无需耗…
阅读更多...
同步异步日志系统：设计模式

同步异步日志系统：设计模式

设计模式是前辈们对代码开发经验的总结&#xff0c;是解决特定问题的⼀系列套路。它不是语法规定&#xff0c;⽽是⼀ 套⽤来提⾼代码可复⽤性、可维护性、可读性、稳健性以及安全性的解决⽅案。 为什么会产生设计模式这样的东西呢&#xff1f;就像人类历史发展会产生兵法。最开…
阅读更多...
数据分析思维（五）：分析方法——假设检验分析方法

数据分析思维（五）：分析方法——假设检验分析方法

数据分析并非只是简单的数据分析工具三板斧——Excel、SQL、Python&#xff0c;更重要的是数据分析思维。没有数据分析思维和业务知识&#xff0c;就算拿到一堆数据&#xff0c;也不知道如何下手。 推荐书本《数据分析思维——分析方法和业务知识》&#xff0c;本文内容就是提取…
阅读更多...
AppInventor2 ClientSocketAI2Ext 拓展加强版 - 为App提供TCP客户端接入，可发送二进制数据

AppInventor2 ClientSocketAI2Ext 拓展加强版 - 为App提供TCP客户端接入，可发送二进制数据

本文介绍App Inventor 2利用拓展实现TCP/IP协议接入功能&#xff0c;作为网络客户端连接TCP服务器&#xff0c;进行数据通信&#xff08;发送/接收&#xff09;。 // ClientSocketAI2Ext 拓展现状 // 原版拓展名称为&#xff1a;com.gmail.at.moicjarod.aix&#xff0c;是能用…
阅读更多...
Docker-构建自己的Web-Linux系统-镜像webtop:ubuntu-kde

Docker-构建自己的Web-Linux系统-镜像webtop:ubuntu-kde

介绍 安装自己的linux-server,可以作为学习使用&#xff0c;web方式访问&#xff0c;基于ubuntu构建开源项目 https://github.com/linuxserver/docker-webtop安装 docker run -d -p 1336:3000 -e PASSWORD123456 --name webtop lscr.io/linuxserver/webtop:ubuntu-kde登录 …
阅读更多...
随身 WiFi 连接 X-Wrt 共享网络与 IPv6 中继配置

随身 WiFi 连接 X-Wrt 共享网络与 IPv6 中继配置

本文首发于只抄博客&#xff0c;欢迎点击原文链接了解更多内容。 前言 之前分享的《随身 WiFi 通过 USB 连接路由器共享网络 扩展网络覆盖范围》介绍了随身 WiFi 通过 USB 连接到路由器共享网络&#xff0c;其中留下两个小问题没有解决&#xff1a; OpenWrt 无法识别中兴微的…
阅读更多...
3.银河麒麟V10 离线安装Nginx

3.银河麒麟V10 离线安装Nginx

1. 下载nginx离线安装包 前往官网下载离线压缩包 2. 下载3个依赖 openssl依赖&#xff0c;前往 官网下载 pcre2依赖下载&#xff0c;前往Git下载 zlib依赖下载&#xff0c;前往Git下载 下载完成后完整的包如下&#xff1a; 如果网速下载不到请使用网盘下载 通过网盘分享的文件…
阅读更多...
家用无线路由器的 2.4GHz 和 5GHz

家用无线路由器的 2.4GHz 和 5GHz

家中的无线路由器 WiFi 名称有两个&#xff0c;一个后面带有 “5G” 的标记&#xff0c;这让人产生疑问&#xff1a;“连接带‘5G’的 WiFi 是不是速度更快&#xff1f;” 实际上&#xff0c;这里的 “5G” 并不是移动通信中的 5G 网络&#xff0c;而是指路由器的工作频率为 5G…
阅读更多...
【HarmonyOS NEXT】鸿蒙原生应用“上述”

【HarmonyOS NEXT】鸿蒙原生应用“上述”

鸿蒙原生应用“上述”已上架华为应用市场&#xff0c;欢迎升级了鸿蒙NEXT系统的用户下载体验&#xff0c;用原生更流畅。 个人CSDN鸿蒙专栏欢迎订阅&#xff1a;https://blog.csdn.net/weixin_44640245/category_12536933.html?fromshareblogcolumn&sharetypeblogcolumn&a…
阅读更多...
AI开发：使用支持向量机（SVM）进行文本情感分析训练 - Python

AI开发：使用支持向量机（SVM）进行文本情感分析训练 - Python

支持向量机是AI开发中最常见的一种算法。之前我们已经一起初步了解了它的概念和应用&#xff0c;今天我们用它来进行一次文本情感分析训练。 一、概念温习 支持向量机&#xff08;SVM&#xff09;是一种监督学习算法&#xff0c;广泛用于分类和回归问题。 它的核心思想是通过…
阅读更多...
Linux部署spring项目基础教程

Linux部署spring项目基础教程

目录 一、安装jdk（yum安装） 1.查看是否有jdk ​编辑 2.查找你想安装的jdk版本 3.安装你需要的版本 4.重复第一步查看版本号,看到版本号说明安装成本 二、部署服务 1.上传jar包 2.启动服务 3.脚本启动 自己搞了个服务器，部署了一个demo项目，把部署流程记录下 一、…
阅读更多...
JS中的原型与原型链

JS中的原型与原型链

1. 基本概念 原型&#xff08;Prototype&#xff09;&#xff1a;每个对象都有一个内部属性 [[Prototype]]&#xff0c;通常通过 __proto__ 访问&#xff08;非标准&#xff0c;但广泛支持&#xff09;。 原型链&#xff08;Prototype Chain&#xff09;&#xff1a;对象通过原…
阅读更多...
如何从 0 到 1 ，打造全新一代分布式数据架构

如何从 0 到 1 ，打造全新一代分布式数据架构

导读&#xff1a;本文从 DIKW&#xff08;数据、信息、知识、智慧&#xff09; 模型视角出发&#xff0c;探讨数字世界中数据的重要性问题。接着站在业务视角&#xff0c;讨论了在不断满足业务诉求&#xff08;特别是 AI 需求&#xff09;的过程中&#xff0c;数据系统是如何一…
阅读更多...
Docker完整技术汇总

Docker完整技术汇总

Docker 背景引入 在实际开发过程中有三个环境&#xff0c;分别是&#xff1a;开发环境、测试环境以及生产环境&#xff0c;假设开发环境中开发人员用的是jdk8&#xff0c;而在测试环境中测试人员用的时jdk7&#xff0c;这就导致程序员开发完系统后将其打成jar包发给测试人员后…
阅读更多...
华为 AI Agent：企业内部管理的智能变革引擎（11/30）

华为 AI Agent：企业内部管理的智能变革引擎（11/30）

一、华为 AI Agent 引领企业管理新潮流 在当今数字化飞速发展的时代&#xff0c;企业内部管理的高效性与智能化成为了决定企业竞争力的关键因素。华为&#xff0c;作为全球领先的科技巨头&#xff0c;其 AI Agent 技术在企业内部管理中的应用正掀起一场全新的变革浪潮。 AI Ag…
阅读更多...
Idea使用阿里云创建springboot项目

Idea使用阿里云创建springboot项目

文章目录 创建springboot项目选择Spring Initializr配置Server URL 创建springboot项目 选择Spring Initializr 配置Server URL https://start.aliyun.com
阅读更多...
安全教育培训小程序系统开发制作方案

安全教育培训小程序系统开发制作方案

安全教育培训小程序系统是为了提高公众的安全意识&#xff0c;普及安全知识&#xff0c;通过微信小程序的方式提供安全教育培训服务&#xff0c;帮助用户了解并掌握必要的安全防范措施。 一、目标用户 企业员工&#xff1a;各岗位员工&#xff0c;特别是IT部门、财务、行政等对…
阅读更多...
MySQL 数据”丢失”事件之 binlog 解析应用

MySQL 数据”丢失”事件之 binlog 解析应用

事件背景 客户反馈在晚间数据跑批后,查询相关表的数据时,发现该表的部分数据在数据库中不存在 从应用跑批的日志来看,跑批未报错,且可查到日志中明确显示当时那批数据已插入到数据库中 需要帮忙分析这批数据丢失的原因。 备注:考虑信息敏感性,以下分析场景测试环境模拟,相关数据…
阅读更多...
2024年11月HarmonyOS应用开发者高级认证 最新题库

2024年11月HarmonyOS应用开发者高级认证 最新题库

新增单选 1.下述代码片段中的renderGroup属性&#xff0c;对性能的影响是什么&#xff1a;A A.劣化 B.不一定 C.没有变化 D.优化 2.在刷新Image组件内容时&#xff0c;如果观察到画面会闪一下白块&#xff0c;要怎样优化才能避免白块儿出现&#xff0c;同时又不会卡住画面…
阅读更多...
《Opencv》基础操作详解（1）

《Opencv》基础操作详解（1）

目录 一、Opencv简介 OpenCV 的主要特点 二、Opencv库安装 1、opencv-python库安装 2、opencv-contrib-python库安装 三、Opencv 基础操作 1、opencv库的导入 2、读取、展示图片 3、查看图片信息 4、控制图片显示时间、关闭窗口 5、读取灰度图 6、彩色图片转灰度图 …
阅读更多...
最新文章

Copyright @ 2022~2023