Summary  
This chapter introduces SQL comparison operators in the WHERE clause—such as =, <>, <, <=, >, >=, BETWEEN, and IS NULL—to precisely filter query results based on conditional criteria.  

General domain of usage  
Relational database querying

This video introduces SQL conditional statements with a focus on the WHERE clause operators. You will learn how to use operators such as equals (`=`), not equal (`<>`), less than (`<`), less than or equal to (`<=`), and others to filter data in SQL queries. The video demonstrates practical examples using the `country` table, showing how to retrieve records based on population size and region. By the end, you will understand how to use WHERE clause operators to extract exactly the data you need from a database.

## Mindre än

Låt oss titta på exemplen: <br>
Detta exempel listar alla länder som har en befolkning **mindre än** 2424200:

SELECT name, population
FROM country
WHERE population < 2424200;

## Mindre än eller lika med

Följande exempel hämtar alla länder med en befolkning **mindre än eller lika med** 2424200:

SELECT name, population
FROM country
WHERE population <= 2424200;

## Inte lika med

Följande exempel hämtar alla icke-asiatiska länder:


SELECT name, continent
FROM country
WHERE continent<>'Asia';

import unittest
import psycopg2
import pandas as pd
import re

class TestTask(unittest.TestCase):
    @classmethod
    def setUpClass(cls):
        cls.connection = psycopg2.connect(
            host="localhost",
            user="agent",
            password="qwerty",
            dbname="testdb",
            sslmode="disable"
        )
        cls.cursor = cls.connection.cursor()

    def setUp(self):
        with open("query.sql", "r") as file:
            self.query = file.read()

    def test_columns_and_order(self):
        """Check that the selected columns are correct and in the correct order."""
        self.cursor.execute(self.query)
        columns = [desc[0] for desc in self.cursor.description]
        expected_columns = ["name", "population", "region", "capital"]
        condition = columns == expected_columns
        _dynamic_test(
            self,
            condition,
            "Columns are correct and in the correct order.",
            f"Columns are incorrect or not in the correct order. Expected: {expected_columns}, Got: {columns}"
        )

    def test_only_southern_europe(self):
        """Check that only rows with region 'Southern Europe' are returned."""
        self.cursor.execute(self.query)
        rows = self.cursor.fetchall()
        idx_region = [desc[0] for desc in self.cursor.description].index("region")
        incorrect_rows = [row for row in rows if normalize_text(str(row[idx_region])) != normalize_text("Southern Europe")]
        condition = len(incorrect_rows) == 0
        _dynamic_test(
            self,
            condition,
            "All rows have region 'Southern Europe'.",
            f"Rows found with region not 'Southern Europe': {incorrect_rows}"
        )

    def test_expected_rows(self):
        """Check that all expected rows for 'Southern Europe' are present."""
        # Prepare solution for expected rows
        solution_query = """
        SELECT name, population, region, capital
        FROM country
        WHERE region='Southern Europe';
        """
        self.cursor.execute(solution_query)
        expected_rows = self.cursor.fetchall()

        self.cursor.execute(self.query)
        user_rows = self.cursor.fetchall()
        # Compare as sets for unordered row comparison
        condition = set(user_rows) == set(expected_rows)
        missing = set(expected_rows) - set(user_rows)
        extra = set(user_rows) - set(expected_rows)
        if not condition:
            failure_msg = f"Missing rows: {missing}\\nExtra rows: {extra}"
        else:
            failure_msg = ""
        _dynamic_test(
            self,
            condition,
            "All expected rows for 'Southern Europe' are present and no extra rows.",
            failure_msg
        )

def _dynamic_test(test_case, condition, success_message, failure_message):
    if condition:
        test_case._testMethodName = success_message
        test_case.assertTrue(True, success_message)
    else:
        test_case._testMethodName = failure_message
        test_case.fail(failure_message)

def normalize_text(text):
    text = text.lower()
    text = re.sub(r"\s{2,}", " ", text)
    text = re.sub(r"\s*([,:?])\s*", r"\1 ", text)
    return text.strip()

if __name__ == "__main__":
    unittest.main()


test_solution.py

Denna kurs är perfekt för nybörjare som vill utforska SQL-världen. Oavsett om du precis har börjat med databashantering eller vill använda SQL för dina applikationsutvecklingsprojekt, täcker denna kurs grunderna. Du lär dig snabbt att utnyttja hela potentialen med SQL, från att fråga och hantera data till att sömlöst integrera det i verkliga applikationer. Vid kursens slut har du självförtroendet och färdigheterna att lösa praktiska problem med SQL och förbättra din utvecklingsprocess.

I det här avsnittet kommer vi att lära oss hur man använder SQL SELECT-satsen för att hämta en enskild tabellkolumn, flera tabellkolumner och alla tabellkolumner. Vi kommer även att ta reda på hur man returnerar unika värden.

I det här avsnittet utforskar vi hur man organiserar och prioriterar data som returneras av en fråga med hjälp av ORDER BY-satsen. Denna sats placeras i slutet av ett SELECT-uttalande och gör det möjligt att sortera resultaten efter en eller flera kolumner, antingen i stigande eller fallande ordning, vilket ger en mer meningsfull och lättolkad datautmatning.

I det här avsnittet kommer vi att lära oss hur man filtrerar returnerad data med hjälp av SELECT-satsens WHERE-villkor. Vi kommer att lära oss hur man testar för likhet, olikhet, större och mindre än värdeintervall samt NULL-värden.

I det här avsnittet utforskar vi hur du kan förfina dina sökvillkor genom att kombinera WHERE-satser med operatorerna AND och OR. Vi går även igenom hur operatorn NOT kan användas för att exkludera vissa resultat.

I det här avsnittet kommer vi att lära oss vad SQL:s aggregatfunktioner är och hur de används för att sammanfatta tabelldata.

WHERE-Klausulens Operatorer

Mindre än

Mindre än eller lika med

Inte lika med

Lösning