sql distinct 是取第一条吗_数据分析之SQL入门
上周我们聊了互联网运营同学应该掌握的数据常识 -- 数据从哪儿来、数据构成的二要素、三种数据分析思维，这周我们介绍如何用SQL做数据分析。如何通俗的理解SQL？SQL的全称是 Structured Query Language，注意L代表的意思 -- 语言。没错，SQL可以理解成类似于英文的一种表达语言。仔细想想，我们使用各种语言，无非就是使用合适的词汇、在大家认定的语法下，去传达我们的想法。SQ
上周我们聊了互联网运营同学应该掌握的数据常识 -- 数据从哪儿来、数据构成的二要素、三种数据分析思维，这周我们介绍如何用SQL做数据分析。
如何通俗的理解SQL？
SQL的全称是 Structured Query Language，注意L代表的意思 -- 语言。没错，SQL可以理解成类似于英文的一种表达语言。仔细想想，我们使用各种语言，无非就是使用合适的词汇、在大家认定的语法下，去传达我们的想法。SQL，就是一种计算机语言，用于人类和数据库的沟通，同样在认定的语法下、用合适的词汇（命令），让数据库返回我们想要的东西，当然，如果你的语法或词汇用的不对，数据库听不懂，也就会报错。
SQL查询语句学习
SQL最核心的框架如下，翻译成中文就是：从“表名”中，选择“列名”，表名和列名可变，select和from是命令。
select 列名 from 表名;一张数据库表长什么样子呢？和你平时用的excel表类似，n行*n列，每一个格子都是一个值。
这是一张电商订单表（order_table），从A到I列的解释依次是：日期、买家名、订单号、下单时间、种类、产品、个数、单价、总价格。譬如你想看所有的订单、买的产品、买了多少件，很简单，就是从这张订单表中选择出订单、产品、个数这三列数据：
select order_no, product, count
from order_table下面往这条SQL中加入where -- 筛选条件：
-- 从order_table表中，筛选2020年1月1号的订单、产品、个数
select order_no, product, count
from order_table
where date_no = '20200101';
-- 从order_table表中，筛选2020年1月1号、种类是sport或cloth的订单、产品、个数
select order_no, product, count
from order_table
where category in ('sport','cloth')
and date_no = '20200101';
-- 从order_table表中，筛选下单个数在1到6之间的订单、产品、个数
select order_no, product, count
from order_table
where count between 1 and 6;注意，以上筛选出来的结果都是明细数据，只是切出order_table表中的某个部分，没有做任何计算和处理，通常我们是不会用明细数据进行分析的，而是从在某个维度上进行聚合，譬如每天每个产品的下单次数和金额，此时需要再认识一个命令 -- group by，后面跟日期、产品两个维度（还记得上周谈的指标和维度吗？select后面是指标、group by后面就是维度）。
-- 从order_table表中，统计每日每种产品类型下单次数
select date_no, category, sum(count) as total_count
from order_table
group by date_no, category;
-- 从order_table表中，统计2020年1月1号，每种产品类型、每种产品的下单次数
select date_no, category, product, sum(count) as total_count
from order_table
where date_no = '20200101'
group by date_no, category, product;统计出来是什么效果呢？跟excel的数据透视表一个效果，我们这里用excel展示下：
所以看到了吗，统计中最重要的是指标和维度，而时间是比较重要的一个维度，上面这条SQL如果group by后面没有date_no，这个时间维度，那么出来的数据就是累积的了。
介绍完最基本的SQL语句后，说几个最常用的命令：
-- 最大值(max)、最小值(min)、平均值(avg)
select
min(count) as min_count,
max(count) as max_count,
avg(count) as average_count
from order_table;
-- 筛选出每个产品最多、最小、累积下单个数
select
product,
min(count) as min_count,
max(count) as max_count,
sum(count) as cumulated_count
from order_table
group by product;
-- 0-5元、6-10元、10元以上的产品个数统计
-- count(distinct xxx)中distinct表示去重
-- case when ... else ... end 结构将值进行重新分组
select
case when price between 0 and 5 then '0-5'
when price between 6 and 10 then '6-10'
when price > 10 then '>10'
else 'other' end as price_group,
count(distinct product) as product_dcnt
from order_table
group by
case when price between 0 and 5 then '0-5'
when price between 6 and 10 then '6-10'
when price > 10 then '>10'
else 'other' end;
-- 每个买家首次购买的产品是什么？
-- row_number() over(partition by column1 order by column2 asc/desc)
-- column1是要根据什么来分组，这里是根据买家来分组，column2是根据什么来排序，这里是根据时间（首次购买），最后分好组排好序，就从1开始给每条记录一个标记
-- 由于只要首次购买的产品，需要用到一个子查询，筛选出排序好的第一条记录
select
t.buyer_name,
t.product
from (
select
buyer_name,
product,
row_number() over((partition by buyer_name order by buy_time asc) as rn
from order_table
) t
where t.rn = 1;
-- 截止到每天，累积的购买金额（日期是维度，结果应该是有两列，日期、截止当天累积下单金额）
select
date_no,
sum(total_amount) over(ORDER BY date_no) as cumulated_amount
from order_table
group by date_no;
tips：
** 善用“子查询”：有些查询写一层逻辑不好直接筛选出自己想要的数据，可以通过子查询解决，他的本质是先加工出一张临时表，然后查这张临时表，比如上面每个买家的首次购买产品，原表中没有第几次购买这个指标，那么我们就要先添加上这个指标，然后在这个新的表中，去获取自己想要的数据。
DAMO开发者矩阵，由阿里巴巴达摩院和中国互联网协会联合发起，致力于探讨最前沿的技术趋势与应用成果，搭建高质量的交流与分享平台，推动技术创新与产业应用链接，围绕“人工智能与新型计算”构建开放共享的开发者生态。
更多推荐
0
0- 0
已为社区贡献3条内容
所有评论(0)