想学数据分析但不会Python，过来看看SQL吧（上）~

作者：贾胜杰，硕士，退役军人，电气工程专业，现成功转行K12领域数据挖掘工程师，不仅在数据清理、分析和预测方向，而且在自制力和高效学习方面都有丰富经验。 编辑：王老湿

《从0到1，数据分析师修炼之路》专栏的已经发布了两篇文章，分别讲述了什么是商业数据分析师 以及 如何成为一名商业数据分析师。今天将会带来数据分析师的“技法修炼”相关的内容，这些技法包括SQL，Python和统计学，具体的学习修炼安排如下：

• SQL
  • SQL基础：语法，检索，排序，过滤，创建计算字段和使用别名；
  • SQL进阶：链接表，聚合，分组，条件判断，子查询以及时间序列的处理；
• Python
  • Python基础：语法，数据类型，运算符，控制流，函数，脚本编写及本地环境搭建；
  • Python数据处理：Numpy与Pandas；
  • Python可视化：Matplotlib，Pyecharts；
• 统计学
  • 统计学基础：描述统计学，概率，正态分布，随机抽样，中心极限定律等；
  • 统计学进阶：推论统计学，置信区间，假设检验，线性回归，逻辑回归等。

所有以上的这些技法都只是工具，所以要以会用且熟练为目的，把学习重点放在应用层面，多动手便能事半功倍！我们今天先从数据分析必备技能中最为简单的SQL来开始学习吧！（这篇文章介绍的主要是SQL基础，文章末尾也会给出在线的练习SQL的网站）

知识清单

SQL简介

SQL是Structured Query Language的简写，也就是结构化查询语言。它最受欢迎的功能便是对数据库中的数据进行增删改查。作为数据分析师，会经常使用SQL语言从数据库中查询并提取数据，而增删改则一般由数据工程师去操作。

你可能听说过 NoSQL，它表示 Not only SQL（不仅仅是 SQL），与NoSQL的数据库进行交互时，你编写的代码会与本课程中所学的SQL有所不同。最常用的 NoSQL 语言之一是 MongoDB（https://www.mongodb.com/），可以自行了解一下～

书写规则及注释

就像我们刚开始学写字一样，在学习编写代码之前，我们也要先了解这门语言规范的书写规则和注释方法。

这部分虽然比较简单，但非常重要，有时候这不仅关系到你的饭碗，甚至还会危及到你的性命?，不信你可以看这篇假新闻：因代码规范问题,美国一码农枪杀了4个同事 （https://yq.aliyun.com/articles/644710）

SQL书写规则

• SQL语句不区分大小写，因此SELECT与select甚至是SeLect的效果是相同的，但是要对命令和变量进行区分，所以默认命令需要大写，其他内容如变量等则需要小写；
• 表和变量名中不要出现空格，可使用下划线_替代;
• 查询语句中，使用单一空格隔开命令和变量;
• 为提高代码的可移植性，请在查询语句结尾添加一个分号；。

SQL中的注释

代码是给电脑看的，而注释则是给人看的，是对你写这行代码的思路解释，方便自己做debug或者给同事交接。

• 单行注释 使用两个连字符-，添加注释。

SELECT col_name -- 这是一条注释
FROM table_name;

• 多行注释

多行注释以/*起始，以*/结尾。

/*SELECT col_name 
FROM table_name;*/
SELECT col_2 
FROM table_name;

检索数据

检索数据主要用的语句为：SELECT和FROM，意为从（FROM）xxx表中选择（SELECT）xxx变量，下面看示例。

• 检索单列

从table_name表中检索col_name列。

SELECT col_name
FROM table_name;

• 检索多列

从table_name表中检索col_1,col_2和col_3列。

SELECT col_1,col_2,col_3
FROM table_name;

• 检索所有列

使用通配符*，返回table_name表中的所有列；

SELECT *
FROM table_name;

• 检索某列中不同的值

检索col_1中具有唯一性的行，即唯一值。

SELECT DISTINCT col_1
FROM table_name;

• 限制检索的结果

使用LIMIT语句可以限制返回的行数。

SELECT col_1
FROM table_name
LIMIT 10;

返回前10行（即第0-第9行）。

也可以添加OFFSET语句，设置返回数据的起始行：

SELECT col_1
FROM table_name
LIMIT 10 OFFSET 5;

从第五行之后，返回十行数据（即第5-第14行）。

排序检索数据

排序需要使用的子句是：ORDER BY。

• 其可以根据指定的单列或多列对结果进行排序；
• 默认按照升序进行排序（从小到大，从a到z），使用DESC关键字可以改为降序；
• 在使用ORDER BY时，请确保它是SELECT语句中的最后一条子句。

下面请看示例：

• 按列排序

SELECT col_name
FROM table_name
ORDER BY col_name;

返回的数据会按照col_name列进行升序排序，这里col_name可以是单列也可以是多列，当然也可以使用非检索的列进行排序。

• 降序排序

SELECT col_1,col_2
FROM table_name
ORDER BY col_2 DESC,col_3;

返回的数据会按照col_2列降序，col_3列升序对col_1和col_2两列进行排序。

这里可以看出，DESC关键字的用法：只对跟在语句前面的变量有效。所以，想要对多列进行降序排序时，需要对每一列都指定DESC关键字。

过滤数据

我们使用WHERE子句来根据某个条件对筛选的数据进行过滤。

• WHERE子句应该写在表名（即FROM子句）之后，在ORDER BY子句之前；
• 使用的基本方式为：WHERE 列名+运算符+值;
• 过滤条件是区分大小写的。

使用示例： 在表table_1列col_1中筛选出满足条件col_1 运算符 value的值。

SELECT col_1
FROM table_1
WHERE col_1 运算符 value;

• 运算符

⚠️ SQL的版本不同，可能导致某些运算符不同（如不等于可以用！=表示），具体要查阅数据库文档。 在同时输入AND和OR时，SQL会优先处理AND语句，所以为了建议大家在进行多条件筛选时，请用小括号将每个条件单独扩起来，这样既方便阅读代码，又不容易出问题。

• 用通配符进行过滤（LIKE）

通配符用来匹配值的一部分，跟在LIKE关键字后面进行数据过滤。

示例：

SELECT col_1
FROM table_1
WHERE col_1 LIKE '_[^JM]%'
ORDER BY col_1;

如上筛选出的是，第二个字符为非J且非M的数据。

创建计算字段

其实就是在检索数据的同时进行计算，并使用关键字AS将结果保存为某一列。

• 数值类型的计算

SELECT prod_id,quantity,item_price,quantity*item_price AS expanded_price
FROM orderitems
WHERE order_num = 200008;

输出：

prod_id  quantity  item_price  expanded_price
---------------------------------------------
RGAN01  5  4.9900  24.9500
BR03  5  11.9900  59.9500

这里实现的就是使用quantity*item_price创建一个名为expanded_price的计算字段，也就是一个新列。

同样适用于计算的操作符有+（加），-（减）和/（除）。

• 字符类型的拼接

SELECT RTRIM(col_name) + '('+RTRIM(col_country)+')' AS col_title
FROM table_name
ORDER BY col_name;

输出：

col_title
------------------------
Bear Emporium(USA)
Bears R Us(USA)
Jouets et ours(France)

这里实现的就是将col_name列与col_country列进行了拼接，新列的名字叫做col_title。

RTRIM()函数是去掉右边的所有空格，LTRIM()是去掉左边的所有空格，TRIM()是去掉两边的所有空格。

使用别名

在上一节中我们使用AS来为变量设置别名，你可能也见过如下所示的语句：

SELECT col1 + col2 AS total, col3

当然没有 AS 的语句也可以实现使用别名：

FROM tablename t1

以及

SELECT col1 + col2 total, col3

将col1+col2的结果设置名为total的列。

代码总结