专栏首页咸鱼学PythonSQL | 数据分析面试必备SQL语句+语法

SQL | 数据分析面试必备SQL语句+语法

| 作者:无眠

| 来源:知乎

前些天在网上冲浪的时候看到一个案例咨询,问说世界500强的数据分析要不要去,评论区一片爆炸:“楼主能分享一下文科生怎么转行做数据分析吗??”、“SQL、python这些学起来好痛苦!”我看着屏幕苦笑,数据分析岗位现在的热门程度如果要形容的话,基本就是随便抓一个微博网友都知道这个岗位了。

Anyway,言归正传,数据分析师的招聘JD你们一定不陌生:

可以说,每个数据分析岗都需要会SQL。

我本人曾在滴滴、美团、平安科技的数据分析类岗位实习过,实习期间会大量运用sql进行取数。也参与了2018年的秋招,做过网易、拼多多、新浪等等公司的数据分析笔试题,还是比较了解SQL常考的题目类型的。

写这篇文章是希望帮助还没有实战过SQL的小伙伴、或者了解一些SQL语句,但是担心自己了解的太片面的小伙伴。这篇文章主要介绍的是:如果想要面试数据分析岗位,最优先需要掌握的SQL技能是哪些呢?

读完本文,你能快速知道:

(1)除了select 这种基本的语句,我最应该马上掌握的SQL语句和知识是什么?

(2)面试中SQL题80%都在考察的语法是什么?

(3)这些语法应该怎么使用?

本文将从三大块介绍入门SQL需要掌握的语法和知识,分别是

  • 最基础的选择(select)和连接(join/union)
  • 最常用的函数(distinct/group by/order by等)
  • 一些小小的进阶技巧(组内排序、取前百分之多少的值、时间函数)

从一个实习和秋招过来人的角度看,这些知识基本够面试的时候用了,如果本身也在数据分析岗位实习或者实习过,可以在评论区讨论或者补充一些也常常用到的SQL知识,大家一起交流进步~ ps. 本文主要做知识点快速突破,具体的实战练习大家必不可少还是要做!

介绍完了三大块知识后,后续会有常见的SQL面试/笔试题,可以练习和交流~

本文对于SQL知识的介绍结构

1. 最基本(选数据)

  • 怎么把数据从表里选出来?
-- 从table_1中选择a这一列
select a from table_1
  • 想要的数据在多张表里,想取多个字段,该怎么办?—— 表连接
-- table_1中有id,age; table_2中有id,sex。想取出id,age,sex 三列信息
-- 将table_1,table_2 根据主键id连接起来
select a.id,a.age,b.sex from 
(select id,age from table_1) a 

--将select之后的内容存为临时表a
join 
(select id, sex from table_2) b 

--将select之后的内容存为临时表b
on a.id =b.id

在这里先介绍一下几种join: (敲重点,很容易问的哦)

join : hive的join默认是inner join,找出左右都可匹配的记录;

left join: 左连接,以左表为准,逐条去右表找可匹配字段,如果有多条会逐次列出,如果没有找到则是NULL;

right join:右连接,以右表为准,逐条去左表找可匹配字段,如果有多条会逐次列出,如果没有找到则是NULL;

full outer join: 全连接,包含两个表的连接结果,如果左表缺失或者右表缺失的数据会填充NULL。

每种join 都有on ,>join 之前要确保关联键是否去重,是不是刻意保留非去重结果。

  • 两张表数据的字段一样,想合并起来,怎么办?
-- 不去重,合并两张表的数据
select * from 
(
select id from table_1
UNION ALL
select id from table_2
)t;

union和union all 均基于列合并多张表的数据,所合并的列格式必须完全一致。union的过程中会去重并降低效率,union all 直接追加数据。union 前后是两段select 语句而非结果集。

2. 最常用(更有多重组合)

为方便大家理解每个函数的作用,先建一个表,后面以这个为示例。

  • 如果有千万用户数据,想知道有多少去重的用户数?—— 去重 distinct
-- 罗列不同的id
select distinct id from table_1

-- 统计不同的id的个数
select count(distinct id) from  table_1

-- 优化版本的count distinct
select count(*) from
(select distinct id from table_1) tb

distinct 会对结果集去重,对全部选择字段进行去重,并不能针对其中部分字段进行去重。使用count distinct进行去重统计会将reducer数量强制限定为1,而影响效率,因此适合改写为子查询。

  • 想分性别进行统计,看看男女各多少?—— 聚合函数和group by
-- 统计不同性别(F、M)中,不同的id个数
select count(distinct id) from table_1
group by sex
-- 其它的聚合函数例如:max/min/avg/sum

-- 统计最大/最小/平均年龄
select  max(age), min(age),avg(age) from 
table_1
group by id

聚合函数帮助我们进行基本的数据统计,例如计算最大值、最小值、平均值、总数、求和

  • 只想查看A公司的男女人数数据?—— 筛选 where/having
-- 统计A公司的男女人数
select count(distinct id) from table_1
where company = 'A'
group by sex

-- 统计各公司的男性平均年龄,并且仅保留平均年龄30岁以上的公司
select company, avg(age) from table_1
where sex = 'M'
group by company
having avg(age)>30;
  • 希望查询结果从高到低/从低到高排序?—— 排序 order by
-- 按年龄全局倒序排序取最年迈的10个人
select id,age from table_1 order by age DESC 
limit 10
  • 将数值型的变量转化为分类型的变量?—— case when 条件函数
-- 收入区间分组
select id,
(case when CAST(salary as float)<50000 Then '0-5万'
when CAST(salary as float)>=50000 and CAST(salary as float)<100000 then '5-10万'
when CAST(salary as float) >=100000 and CAST(salary as float)<200000 then '10-20万'
when CAST(salary as float)>200000 then '20万以上'
else NULL end 
from table_1;
  • case 函数的格式为(case when 条件1 then value1 else null end), 其中else 可以省,但是end不可以省。

在这个例子里也穿插了一个CAST的用法,它常用于string/int/double型的转换。

  • 字符串

1. concat( A, B...)返回将A和B按顺序连接在一起的字符串,如:concat('foo', 'bar') 返回'foobar'

select concat('www','.iteblog','.com') from
iteblog;
--得到 www.iteblog.com

2. split(str, regex)用于将string类型数据按regex提取,分隔后转换为array。

-- 以","为分隔符分割字符串,并转化为array
Select split("1,2,3",",")as value_array from table_1;
-- 结合array index,将原始字符串分割为3列
select value_array[0],value_array[1],value_array[2] from 
(select  split("1,2,3",",")as value_array from table_1 )t

3. substr(str,0,len) 截取字符串从0位开始的长度为len个字符。

select substr('abcde',3,2) from
iteblog;

-- 得到cd

3. 基础进阶

  • 不想全局排序,需要分组排序?—— row_number()
-- 按照字段salary倒序编号
select *, row_number() over (order by salary desc) as row_num from table_1;

-- 按照字段deptid分组后再按照salary倒序编号
select *, row_number() over (partition by deptid order by salary desc) as rank from table_1;

按照depid分组,对salary进行排序(倒序)

除了row_number函数之外,还有两个分组排序函数,分别是rank() 和dense_rank()。

  • rank()排序相同时会重复,总数不会变 ,意思是会出现1、1、3这样的排序结果;
  • dense_rank() 排序相同时会重复,总数会减少,意思是会出现1、1、2这样的排序结果。
  • row_number() 则在排序相同时不重复,会根据顺序排序。
  • 想要获取top10%的值?—— percentile 百分位函数
-- 获取income字段的top10%的阈值
select percentile(CAST (salary AS int),0.9)) as income_top10p_threshold from table_1;

-- 获取income字段的10个百分位点
select percentile(CAST (salary AS int),array(0.0,0.1,0.2,0.3,0.4,0.5,0.6,0.7,0.8,0.9,1.0)) as income_percentiles
from table_1;
  • 想要对时间字段进行操作?—— 时间函数
-- 转换为时间数据的格式
select to_date("1970-01-01 00:00:00") as start_time from table_1;

-- 计算数据到当前时间的天数差 
select datediff
('2016-12-30','2016-12-29');
-- 得到 "1"

to_date函数可以把时间的字符串形式转化为时间类型,再进行后续的计算;

  • 常用的日期提取函数包括 year()/month()/day()/hour()/minute()/second()
  • 日期运算函数包括datediff(enddate,stratdate) 计算两个时间的时间差(day);
  • date_sub(stratdate,days) 返回开始日期startdate减少days天后的日期。
  • date_add(startdate,days) 返回开始日期startdate增加days天后的日期。

4. 常见笔试/面试题

例:有3个表S,C,SC:

S(SNO,SNAME)代表(学号,姓名)

C(CNO,CNAME,CTEACHER)代表(课号,课名,教师)

SC(SNO,CNO,SCGRADE)代表(学号,课号,成绩)

问题:

1. 找出没选过“黎明”老师的所有学生姓名。

2. 列出2门以上(含2门)不及格学生姓名及平均成绩。

3. 既学过1号课程又学过2号课所有学生的姓名。

1. -- 考察条件筛选
select sname from s where sno not in
( select sno from sc where cno in  
 (
select distinct cno from c where cteacher='黎明' 
  )
);

2. -- 考察聚合函数,条件筛选
select s.sname, avg_grade from s
join
(select sno from sc where scgrade < 60 group by sno having count(*) >= 2) t1
on s.sno = t1.sno
join
(select sno, avg(scgrade) as avg_grade from sc group by sno ) t2
on s.sno = t2.sno;

3. -- 考察筛选、连接
select sname from
 ( select sno from sc where cno = 1) a
join 
 (select sno from sc where cno = 2) b
on a.sno = b.sno

做SQL题的时候注意理解每个题目希望你用的是什么知识点,这样有助于巩固。

当初我学SQL的时候,盯着《SQL必知必会》翻来覆去的看,但是知识点真的比较多,也比较零碎。在写这篇文章之前,也看过知乎上关于SQL学习的文章,有的比较广泛而全面,有的则很干货,全部是牛客上的SQL题目的解析。

基于自己的体会,我写了这篇SQL面试和笔试的入门文章,主旨是快速、清晰的把握重点。希望大家都能快快入门SQL

Love & Share [ 完 ]
朕已阅 

本文分享自微信公众号 - 咸鱼学Python(xianyuxuepython),作者:无眠

原文出处及转载信息见文内详细说明,如有侵权,请联系 yunjia_community@tencent.com 删除。

原始发表时间:2020-03-22

本文参与腾讯云自媒体分享计划,欢迎正在阅读的你也加入,一起分享。

我来说两句

0 条评论
登录 后参与评论

相关文章

  • SQL | 44道经典 SQL 笔试题与答案解析

    --学生表 Student(SId,Sname,Sage,Ssex) --SId 学生编号,Sname 学生姓名,Sage 出生年月,Ssex 学生性别 --课...

    咸鱼学Python
  • JS逆向 | 分享一个小技巧和XHR断点的小案例

    关于XHR BreakPoint在很多文档中都有提及,咸鱼就不啰嗦了,还不是很了解的可以看下面的文档。

    咸鱼学Python
  • Python爬虫进阶必备 | 极X助手加密算法分析

    aHR0cHM6Ly93d3cuamlkYWlob21lLmNvbS9vZmZpY2VyLyMvbG9naW4=

    咸鱼学Python
  • 数据库ORA-03113排查

    Disconnected from Oracle Database 11g Enterprise Edition Release 11.2.0.3.0 - 64...

    孙杰
  • 软件安全性测试(连载11)

    insert into dbo.usersvalues('jerry','123456','xianggu625@126.com')

    小老鼠
  • 几种去重的SQL写法

    墨天轮社区的每日一题(https://www.modb.pro/test),可以说是个小而精的专栏,利用碎片时间,就可以学习知识,非常推荐。

    bisal
  • 性能优化-慢查询的优化案例

    可以看到显示的执行计划,并不是很高效,可以拖慢服务器的效率,如何优化了? 创建索引

    cwl_java
  • Oracle 硬解析与软解析

    Oracle 硬解析与软解析是我们经常遇到的问题,什么情况会产生硬解析,什么情况产生软解析,又当如何避免硬解析?下面的描述将给出

    Leshami
  • MySQL从删库到跑路(三)——SQL语言

    SQL是结构化查询语言(Structured Query Language),是用于访问和处理数据库的标准的计算机语言。 SQL语言的功能如下: A、SQL面向...

    良月柒
  • 走向面试之数据库基础:一、你必知必会的SQL语句练习-Part 1

    本文是在Cat Qi的参考原帖的基础之上经本人一题一题练习后编辑而成,非原创,仅润色而已。另外,本文所列题目的解法并非只有一种,本文只是给出比较普通的一种而已,...

    Edison Zhou

扫码关注云+社区

领取腾讯云代金券