A. 怎么让数据库中的数据自动补位
没关系，数据添加完毕后，数据库一提交，就会自动补位了。
也可设计一个自增长列序号ID，它会自动连续记录数据编号。
B. Oracle数据库，在写sql语句时，怎样将一个数精确到小数点后两位，并在前面补0，补齐规定的位数
你要减小精度，必须修该的列为空才可以，可以先删除表数据，再修改。
修改的sql语句如下：
alter
table
emp
modify(sal
number(5,1));
C. 如何给数据库的数据添加时自动补零
假如你是6位
select right('000000'+'212',6)
//212是你插入的值
D. 在SQL数据库中怎样让编号从6位数开始，而且不足6位就在前面补0
SQL本身难以处理，应该在应用程序写入/读取的时候进行格式化
insert 或者 select 的时候对编号字段格式化format(编号，"000000")
E. 数据库字段补'0'
写个函数:
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
然后更新字段值:
update table_name set 字段名=dbo.xfn_UpdateZero(字段名,5)
这样这个字段的所有数据长度都变成了5
(PS:前提是这个字段中不可以有值的长度大于五位,否则这个值不会更新)
F. ASP程序如何实现单日期补零
这个函数是不支持这种方式的你可以自定义一个函数
<%
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
%>
然后你的调用改成：
<%=ReformatDate(formatdatetime(rs1("LastTime"),2))%>
我纯手写的，没测试，思路你应该能看得懂，有报错自己解决，解决不了再追问
G. 几种常见的缺失数据插补方法
（一）个案剔除法(Listwise Deletion)
最常见、最简单的处理缺失数据的方法是用个案剔除法(listwise
deletion)，也是很多统计软件（如SPSS和SAS）默认的缺失值处理方法。在这种方法中如果任何一个变量含有缺失数据的话，就把相对应的个案从分析中剔除。如果缺失值所占比例比较小的话，这一方法十分有效。至于具体多大的缺失比例算是“小”比例，专家们意见也存在较大的差距。有学者认为应在5%以下，也有学者认为20%以下即可。然而，这种方法却有很大的局限性。它是以减少样本量来换取信息的完备，会造成资源的大量浪费，丢弃了大量隐藏在这些对象中的信息。在样本量较小的情况下，删除少量对象就足以严重影响到数据的客观性和结果的正确性。因此，当缺失数据所占比例较大，特别是当缺数据非随机分布时，这种方法可能导致数据发生偏离，从而得出错误的结论。
（二）均值替换法(Mean Imputation)
在变量十分重要而所缺失的数据量又较为庞大的时候，个案剔除法就遇到了困难，因为许多有用的数据也同时被剔除。围绕着这一问题，研究者尝试了各种各样的办法。其中的一个方法是均值替换法(mean
imputation)。我们将变量的属性分为数值型和非数值型来分别进行处理。如果缺失值是数值型的，就根据该变量在其他所有对象的取值的平均值来填充该缺失的变量值；如果缺失值是非数值型的，就根据统计学中的众数原理，用该变量在其他所有对象的取值次数最多的值来补齐该缺失的变量值。但这种方法会产生有偏估计，所以并不被推崇。均值替换法也是一种简便、快速的缺失数据处理方法。使用均值替换法插补缺失数据，对该变量的均值估计不会产生影响。但这种方法是建立在完全随机缺失（MCAR）的假设之上的，而且会造成变量的方差和标准差变小。
（三）热卡填充法（Hotdecking）
对于一个包含缺失值的变量，热卡填充法在数据库中找到一个与它最相似的对象，然后用这个相似对象的值来进行填充。不同的问题可能会选用不同的标准来对相似进行判定。最常见的是使用相关系数矩阵来确定哪个变量（如变量Y）与缺失值所在变量（如变量X）最相关。然后把所有个案按Y的取值大小进行排序。那么变量X的缺失值就可以用排在缺失值前的那个个案的数据来代替了。与均值替换法相比，利用热卡填充法插补数据后，其变量的标准差与插补前比较接近。但在回归方程中，使用热卡填充法容易使得回归方程的误差增大，参数估计变得不稳定，而且这种方法使用不便，比较耗时。
（四）回归替换法(Regression Imputation)
回归替换法首先需要选择若干个预测缺失值的自变量，然后建立回归方程估计缺失值，即用缺失数据的条件期望值对缺失值进行替换。与前述几种插补方法比较，该方法利用了数据库中尽量多的信息，而且一些统计软件（如Stata）也已经能够直接执行该功能。但该方法也有诸多弊端，第一，这虽然是一个无偏估计，但是却容易忽视随机误差，低估标准差和其他未知性质的测量值，而且这一问题会随着缺失信息的增多而变得更加严重。第二，研究者必须假设存在缺失值所在的变量与其他变量存在线性关系，很多时候这种关系是不存在的。
（五）多重替代法(Multiple Imputation)
多重估算是由Rubin等人于1987年建立起来的一种数据扩充和统计分析方法，作为简单估算的改进产物。首先，多重估算技术用一系列可能的值来替换每一个缺失值，以反映被替换的缺失数据的不确定性。然后，用标准的统计分析过程对多次替换后产生的若干个数据集进行分析。最后，把来自于各个数据集的统计结果进行综合，得到总体参数的估计值。由于多重估算技术并不是用单一的值来替换缺失值，而是试图产生缺失值的一个随机样本，这种方法反映出了由于数据缺失而导致的不确定性，能够产生更加有效的统计推断。结合这种方法，研究者可以比较容易地，在不舍弃任何数据的情况下对缺失数据的未知性质进行推断。NORM统计软件可以较为简便地操作该方法
H. Oracle 补空查询/补零查询
补空查询和补零查询是两个不同概念。
补空查询是将空格替换成特定字符，可用replace函数。
如test表中有如下数据：
I. access数据库中如何将数字部分不足4位数的在数字前面用“0”补足
首先要确定一下具体的修改方法，比方说小于10的都改为10，大于20的都改为20。
然后在查询中切换到SQL视图，输入：
update
表名
set
字段名=10
where
字段名<10;
然后运行这个查询，完毕后再把上述语句修改为：
update
表名
set
字段名=20
where
字段名>20;
再次运行这个查询即可。
这样只需两步就改完全部记录了。
PS：一定要记得把逗表名地和逗字段名地改为你的数据库中的真实名称哦！
J. 在数据库中怎么让int转换成varchar时前边添上0补位
sql server
set number = right(REPLICATE('0',7) + rtrim(id),7)
mysql
LPAD(id,7,'0')