A. 怎麼讓資料庫中的數據自動補位
沒關系，數據添加完畢後，資料庫一提交，就會自動補位了。
也可設計一個自增長列序號ID，它會自動連續記錄數據編號。
B. Oracle資料庫，在寫sql語句時，怎樣將一個數精確到小數點後兩位，並在前面補0，補齊規定的位數
你要減小精度，必須修該的列為空才可以，可以先刪除表數據，再修改。
修改的sql語句如下：
alter
table
emp
modify(sal
number(5,1));
C. 如何給資料庫的數據添加時自動補零
假如你是6位
select right('000000'+'212',6)
//212是你插入的值
D. 在SQL資料庫中怎樣讓編號從6位數開始，而且不足6位就在前面補0
SQL本身難以處理，應該在應用程序寫入/讀取的時候進行格式化
insert 或者 select 的時候對編號欄位格式化format(編號，"000000")
E. 資料庫欄位補'0'
寫個函數:
CREATE Function xfn_UpdateZero(@Str VARCHAR(20),@Len INT)
RETURNS VARCHAR(20)
AS
BEGIN
DECLARE @ALEN INT
SET @ALEN=0
WHILE @ALEN<@Len-1
BEGIN
SET @Str='0'+@Str
SET @ALEN=@ALEN+1
END
RETURN @Str
END
然後更新欄位值:
update table_name set 欄位名=dbo.xfn_UpdateZero(欄位名,5)
這樣這個欄位的所有數據長度都變成了5
(PS:前提是這個欄位中不可以有值的長度大於五位,否則這個值不會更新)
F. ASP程序如何實現單日期補零
這個函數是不支持這種方式的你可以自定義一個函數
<%
Function ReformatDate(LastTime)
PYear = Year(LastTime)
PMonth = Month(LastTime)
PDay = Day(LastTime)
If Len(PMonth) = 1 Then
PMonth = "0" & PMonth
End If
If Len(PDay) = 1 Then
PDay = "0" & PDay
End If
Response.Write PYear & "-" & PMonth & "-" & PDay
End Function
%>
然後你的調用改成：
<%=ReformatDate(formatdatetime(rs1("LastTime"),2))%>
我純手寫的，沒測試，思路你應該能看得懂，有報錯自己解決，解決不了再追問
G. 幾種常見的缺失數據插補方法
（一）個案剔除法(Listwise Deletion)
最常見、最簡單的處理缺失數據的方法是用個案剔除法(listwise
deletion)，也是很多統計軟體（如SPSS和SAS）默認的缺失值處理方法。在這種方法中如果任何一個變數含有缺失數據的話，就把相對應的個案從分析中剔除。如果缺失值所佔比例比較小的話，這一方法十分有效。至於具體多大的缺失比例算是「小」比例，專家們意見也存在較大的差距。有學者認為應在5%以下，也有學者認為20%以下即可。然而，這種方法卻有很大的局限性。它是以減少樣本量來換取信息的完備，會造成資源的大量浪費，丟棄了大量隱藏在這些對象中的信息。在樣本量較小的情況下，刪除少量對象就足以嚴重影響到數據的客觀性和結果的正確性。因此，當缺失數據所佔比例較大，特別是當缺數據非隨機分布時，這種方法可能導致數據發生偏離，從而得出錯誤的結論。
（二）均值替換法(Mean Imputation)
在變數十分重要而所缺失的數據量又較為龐大的時候，個案剔除法就遇到了困難，因為許多有用的數據也同時被剔除。圍繞著這一問題，研究者嘗試了各種各樣的辦法。其中的一個方法是均值替換法(mean
imputation)。我們將變數的屬性分為數值型和非數值型來分別進行處理。如果缺失值是數值型的，就根據該變數在其他所有對象的取值的平均值來填充該缺失的變數值；如果缺失值是非數值型的，就根據統計學中的眾數原理，用該變數在其他所有對象的取值次數最多的值來補齊該缺失的變數值。但這種方法會產生有偏估計，所以並不被推崇。均值替換法也是一種簡便、快速的缺失數據處理方法。使用均值替換法插補缺失數據，對該變數的均值估計不會產生影響。但這種方法是建立在完全隨機缺失（MCAR）的假設之上的，而且會造成變數的方差和標准差變小。
（三）熱卡填充法（Hotdecking）
對於一個包含缺失值的變數，熱卡填充法在資料庫中找到一個與它最相似的對象，然後用這個相似對象的值來進行填充。不同的問題可能會選用不同的標准來對相似進行判定。最常見的是使用相關系數矩陣來確定哪個變數（如變數Y）與缺失值所在變數（如變數X）最相關。然後把所有個案按Y的取值大小進行排序。那麼變數X的缺失值就可以用排在缺失值前的那個個案的數據來代替了。與均值替換法相比，利用熱卡填充法插補數據後，其變數的標准差與插補前比較接近。但在回歸方程中，使用熱卡填充法容易使得回歸方程的誤差增大，參數估計變得不穩定，而且這種方法使用不便，比較耗時。
（四）回歸替換法(Regression Imputation)
回歸替換法首先需要選擇若干個預測缺失值的自變數，然後建立回歸方程估計缺失值，即用缺失數據的條件期望值對缺失值進行替換。與前述幾種插補方法比較，該方法利用了資料庫中盡量多的信息，而且一些統計軟體（如Stata）也已經能夠直接執行該功能。但該方法也有諸多弊端，第一，這雖然是一個無偏估計，但是卻容易忽視隨機誤差，低估標准差和其他未知性質的測量值，而且這一問題會隨著缺失信息的增多而變得更加嚴重。第二，研究者必須假設存在缺失值所在的變數與其他變數存在線性關系，很多時候這種關系是不存在的。
（五）多重替代法(Multiple Imputation)
多重估算是由Rubin等人於1987年建立起來的一種數據擴充和統計分析方法，作為簡單估算的改進產物。首先，多重估算技術用一系列可能的值來替換每一個缺失值，以反映被替換的缺失數據的不確定性。然後，用標準的統計分析過程對多次替換後產生的若干個數據集進行分析。最後，把來自於各個數據集的統計結果進行綜合，得到總體參數的估計值。由於多重估算技術並不是用單一的值來替換缺失值，而是試圖產生缺失值的一個隨機樣本，這種方法反映出了由於數據缺失而導致的不確定性，能夠產生更加有效的統計推斷。結合這種方法，研究者可以比較容易地，在不舍棄任何數據的情況下對缺失數據的未知性質進行推斷。NORM統計軟體可以較為簡便地操作該方法
H. Oracle 補空查詢/補零查詢
補空查詢和補零查詢是兩個不同概念。
補空查詢是將空格替換成特定字元，可用replace函數。
如test表中有如下數據：
I. access資料庫中如何將數字部分不足4位數的在數字前面用「0」補足
首先要確定一下具體的修改方法，比方說小於10的都改為10，大於20的都改為20。
然後在查詢中切換到SQL視圖，輸入：
update
表名
set
欄位名=10
where
欄位名<10;
然後運行這個查詢，完畢後再把上述語句修改為：
update
表名
set
欄位名=20
where
欄位名>20;
再次運行這個查詢即可。
這樣只需兩步就改完全部記錄了。
PS：一定要記得把逗表名地和逗欄位名地改為你的資料庫中的真實名稱哦！
J. 在資料庫中怎麼讓int轉換成varchar時前邊添上0補位
sql server
set number = right(REPLICATE('0',7) + rtrim(id),7)
mysql
LPAD(id,7,'0')