维普数据库的使用方法

《维普中文科技期刊数据库》(引文版)使用指南

一、数据库简介

该数据库由1989年至今的3000多种中文期刊中的80多万篇科技论文组织而成，可查询论著引用与被引情况、机构发文量、国家重点实验室和部门开放实验室发文量、科技期刊被引情况等，是科技文献检索、文献计量研究和科学活动定量分析评价的有力工具。所有文献按学科分为7个专辑：经济管理、教育科学、图书情报、自然科学、农业科学、医药卫生、工程技术。2005年1月，《维普中文科技期刊数据库》增加收录文、史、哲、法等学科分类的文章、期刊，形成社会科学专辑，社科数据回溯到2000年。

二、使用方法

从图书馆主页点击电子资源中的《维普中文科技期刊》 (引文版) 进入检索主页面。

《维普中文科技期刊数据库（引文版）》检索界面可分为两大部分：源文献检索和参考文献检索。两部分间可通过检索界面最上方的“切换到参考文献入口”和“切换到源文献入口”按钮相互切换操作。

（一） 源文献检索

通过检索源文献数据，查找其参考文献数据。

1、检索界面介绍：

1）检索界面

源文献检索数据全检索界面由四部分组成：检索功能区、分类导航区、源文献区、数据细览区。如图1：

图1：源文献检索数据全检索界面

2）检索功能区

由多个检索条件组成，确定数据的检索范围。如图2

图2：检索功能区

期刊范围：默认为全部期刊，可选择重要期刊和核心期刊。

年限范围：默认为1989-2006，也可以在任意年度之间限定。

检索入口：位于检索功能区左方，下拉菜单中有九个字段供选择：关键词、刊名、作者、第一作者、机构、题名、文摘、任意字段，其中的“关键词、刊名、作者、第一作者、分类号”字段还提供模糊检索和精确检索。字段名前的英文字母为检索途径代码。例如：A代表作者、U代表任意字段等等。

检索式、检索按钮：检索式与检索入口配合使用，确定检索范围。检索按钮在确定检索范围后，执行检索操作。

二次检索按钮：在上一次检索结果上的再次检索操作，与上一次检索存在“与、或、非”关系。

[数据库]SQL中GroupBy的常见使⽤⽅法.

前⾔

今天逛java吧看到了⼀个⾯试题, 于是有了今天这个⽂章, 回顾下Group By的⽤法.

题⽬如下:Select name from table group by name having count(*) = 10;

解释: 根据(by)⼀定的规则进⾏分组(Group) 所以就是根据题中的name进⾏分组, 然后把name相同的数量为10的记录都查找出来.

⽰例:

表结构:

执⾏结果:

如果再添加⼀条记录: wangmeng. 那么 就查询不到了. 只有 相同username count 为10的才会被查询出来.

1、概述

Group By 从字⾯意义上理解就是根据“By”指定的规则对数据进⾏分组，所谓的分组就是将⼀个“数据集”划分成若⼲个“⼩区域”，然后针对若⼲个“⼩区域”进⾏数

据处理。

2,原始表

3,实例说明

⽰例1

SQL语句如下:

select category, sum(count) as 数量之和

from groupbyDemo

group by category

结果如下:

看到结果⼤家都应该知道是怎样回事吧? 实际上就是分类汇总.

⽰例2

SQL语句如下:

SELECT category, SUM(COUNT) AS 数量之和, summary

FROM groupByDemo

GROUP BY category

ORDER BY category desc

结果如下:

说明, 这⾥加的 查询summary 会显⽰数据的第⼀条记录.

4,Group By与聚合函数

常⽤的聚合函数: count, sum, avg, max, min

⽰例1

SQL语句如下:

SELECT category, AVG(COUNT) AS 平均值 FROM groupByDemo GROUP BY category;结果如下:

5, Having与Where的区别

(1)where ⼦句的作⽤是在对查询结果进⾏分组前，将不符合where条件的⾏去掉，即在分组之前过滤数据，where条件中不能包含聚组函数，使⽤

世界数据库使用方法

SCIENCE ONlINE数据库专项资料

SCIENCE ONlINE网络数据库检索指南

《科学》周刊电子版 是《科学在线》最主要的部分。每周五，当《科学》周刊最新一期的印刷版向世界各地的订户投寄时，电子版的最新一期已经在网上登出。网站还包括1995年10月以来的期刊，。

《科学》周刊电子版还包括：

Enhanced Perspectives 这是一些介绍某一领域新进展的短文，它们的超注释部分给读者提供与该领域有关的网上资源。

Supplemental Data 在《科学》周刊电子版上，作者可以为其在印刷版上发表的论文补充内容，比如提供更多的科学数据、与论文有关的录音或录像材料、或是交互的计算机模型。

Quarterly Author Index 每卷的作者索引。

《科学此刻》(Science Now) -- 每个美国的工作日，《科学》周刊的新闻组都会为网上用户提供几篇3、4段长的、有关科研成果或科学政策的最新消息。这些消息短小精炼，使读者花不多的时间就能及时了解世界各地各科研领域的最新进展。

《科学后浪》(Science Next Wave): 这是一个专门为青年科学工作者和他(她)们的导师设立的网站。这里，本科生、研究生、博士后、以及刚取得固定职位的科学工作者从专家、 榜样、或同龄人那里得到事业方面的指导。这里有连续的电子专题讨论班，讨论的话题包括实验室安全到研究生院精疲力尽现象等各个方面。还有一些实用性短文，介绍找工作的策略、科学发展趋势和政策、改变职业、以及性别和如何平衡工作与家庭等工作-生活主题。本网站还链接GrantsNet，上面有750多个医学和生命科学领域的科研经费资助项目。Grants Doctor是一个专门帮助年轻科学工作者写资金申请的栏目。

《科学》知识环境(Science Knowledge Environment)：这是《科学》编辑人员发展的、独一无二的网站。它们为某个领域的研究人员提供了丰富的、互联的、可检索的资源，包括读者自己的虚拟电子刊物，研究人员的网上社区、做研究所需的资源等。《科学》称这些网站为知识环境(简称KE)。

数据库索引的使⽤⽅法

mysql索引

使⽤索引是提⾼数据库查询效率的主要⽅式，下⾯从索引结构，索引类型，索引操作，命中索引⼏个⽅⾯来介绍索引。

⼀、索引结构

mysql5.5以上的默认存储引擎innodb，只显式⽀持BTree( 事实上从数据结构上来讲是B+树，mysql称之为BTree)索引，对于频繁访问的表，innodb会建⽴⾃适应hash索引，

即在B树索引基础上建⽴hash索引，可以显著提⾼查找效率，⽤户是⽆法⾃⼰指定的，除此之外还有Hash索引和全⽂索引（fullText索引）。

BTree索引

BTree,顾名思义，就是所有的索引节点都按照balance tree的数据结构来存储。BTree结构可以显著减少定位记录时所经历的中间过程，从⽽加快存取速度。Btree中，每个结点包含：

1、本结点所含关键字的个数；

2、指向⽗结点的指针；

3、关键字；

4、指向⼦结点的指针；

更详细的B+树介绍参考

Hash索引

Hash 索引由于使⽤了hash表结构，其检索效率很⾼，索引的检索可以⼀次定位，不像B+树索引需要从根节点到枝节点，

所以 Hash 索引的查询效率要远⾼于 B+树 索引。但是，Hash索引的使⽤范围⾮常有限。 1.在MySQL中，只有HEAP/MEMORY引擎表才能⽀持哈希索引，InnoDB引擎的⾃适应哈希索引（adaptive hash index）不

能在创建索引时指定。

2.Hash索引仅⽀持=，>=,<=这⼏种条件运算，不⽀持排序，范围内查找，like等查询。

3.Hash索引不⽀持组合索引中部分索引的查找。

4.当Hash值重复较多时，索引速度可能不如BTree索引。

FullText索引

Full-text索引就是我们常说的全⽂索引，他的存储结构也是Btree。主要是为了解决在我们需要⽤like查询的低效问题。

只能解决’xxx%’的like查询。如：字段数据为ABCDE，索引建⽴为A、AB、ABC、ABCD、ABCDE五个。