随着数据量持续增长，对合格数据专业人员的需求也会增长。具体而言，对SQL流利的专业人士的需求日益增长，而不仅仅是在初级层面。
因此，Stratascratch的创始人Nathan Rosidi以及我觉得我认为10个最重要和相关的中级到高级SQL概念。
那个说，我们走了!
1. 常见表表达式(CTEs)
如果您想要查询子查询，那就是CTEs施展身手的时候 - CTEs基本上创建了一个临时表。
使用常用表表达式(CTEs)是模块化和分解代码的好方法，与您将文章分解为几个段落的方式相同。
请在Where子句中使用子查询进行以下查询。
- SELECT name
- , salary
- FROM People
- WHERE name in (SELECT DISTINCT name
- FROM population
- WHERE country = "Canada"
- AND city = "Toronto")
- AND salary >= (SELECT AVG(salary)
- FROM salaries
- WHERE gender = "Female")
这似乎似乎难以理解，但如果在查询中有许多子查询，那么怎么样?这就是CTEs发挥作用的地方。
- with toronto_ppl as (
- SELECT DISTINCT name
- FROM population
- WHERE country = "Canada"
- AND city = "Toronto"
- )
- , avg_female_salary as (
- SELECT AVG(salary) as avgSalary
- FROM salaries
- WHERE gender = "Female"
- )
- SELECT name
- , salary
- FROM People
- WHERE name in (SELECT DISTINCT FROM toronto_ppl)
- AND salary >= (SELECT avgSalary FROM avg_female_salary)
现在很清楚，Where子句是在多伦多的名称中过滤。如果您注意到，CTE很有用，因为您可以将代码分解为较小的块，但它们也很有用，因为它允许您为每个CTE分配变量名称(即toronto_ppl和avg_female_salary)
同样，CTEs允许您完成更高级的技术，如创建递归表。
2. 递归CTEs.
递归CTE是引用自己的CTE，就像Python中的递归函数一样。递归CTE尤其有用，它涉及查询组织结构图，文件系统，网页之间的链接图等的分层数据，尤其有用。
递归CTE有3个部分：
- 锚构件：返回CTE的基本结果的初始查询
- 递归成员：引用CTE的递归查询。这是所有与锚构件的联盟
- 停止递归构件的终止条件
以下是获取每个员工ID的管理器ID的递归CTE的示例：
- with org_structure as (
- SELECT id
- , manager_id
- FROM staff_members
- WHERE manager_id IS NULL
- UNION ALL
- SELECT sm.id
- , sm.manager_id
- FROM staff_members sm
- INNER JOIN org_structure os
- ON os.id = sm.manager_id
3. 临时函数
如果您想了解有关临时函数的更多信息，请检查此项，但知道如何编写临时功能是重要的原因：
- 它允许您将代码的块分解为较小的代码块
- 它适用于写入清洁代码
- 它可以防止重复，并允许您重用类似于使用Python中的函数的代码。
考虑以下示例：
- SELECT name
- , CASE WHEN tenure < 1 THEN "analyst"
- WHEN tenure BETWEEN 1 and 3 THEN "associate"
- WHEN tenure BETWEEN 3 and 5 THEN "senior"
- WHEN tenure > 5 THEN "vp"
- ELSE "n/a"
- END AS seniority
- FROM employees
相反，您可以利用临时函数来捕获案例子句。
- CREATE TEMPORARY FUNCTION get_seniority(tenure INT64) AS (
- CASE WHEN tenure < 1 THEN "analyst"
- WHEN tenure BETWEEN 1 and 3 THEN "associate"
- WHEN tenure BETWEEN 3 and 5 THEN "senior"
- WHEN tenure > 5 THEN "vp"
- ELSE "n/a"
- END
- );
- SELECT name
- , get_seniority(tenure) as seniority
- FROM employees
通过临时函数，查询本身更简单，更可读，您可以重复使用资历函数!
4. 使用CASE WHEN枢转数据
您很可能会看到许多要求在陈述时使用CASE WHEN的问题，这只是因为它是一种多功能的概念。如果要根据其他变量分配某个值或类，则允许您编写复杂的条件语句。
较少众所周知，它还允许您枢转数据。例如，如果您有一个月列，并且您希望为每个月创建一个单个列，则可以使用语句追溯数据的情况。
示例问题：编写SQL查询以重新格式化表，以便每个月有一个收入列。
- Initial table:
- +------+---------+-------+
- | id | revenue | month |
- +------+---------+-------+
- | 1 | 8000 | Jan |
- | 2 | 9000 | Jan |
- | 3 | 10000 | Feb |
- | 1 | 7000 | Feb |
- | 1 | 6000 | Mar |
- +------+---------+-------+
- Result table:
- +------+-------------+-------------+-------------+-----+-----------+
- | id | Jan_Revenue | Feb_Revenue | Mar_Revenue | ... | Dec_Revenue |
- +------+-------------+-------------+-------------+-----+-----------+
- | 1 | 8000 | 7000 | 6000 | ... | null |
- | 2 | 9000 | null | null | ... | null |
- | 3 | null | 10000 | null | ... | null |
- +------+-------------+-------------+-------------+-----+-----------+
5. EXCEPT vs NOT IN
除了几乎不相同的操作。它们都用来比较两个查询/表之间的行。所说，这两个人之间存在微妙的细微差别。
首先，除了过滤删除重复并返回不同的行与不在中的不同行。
同样，除了在查询/表中相同数量的列，其中不再与每个查询/表比较单个列。
6. 自联结
一个SQL表自行连接自己。你可能会认为没有用，但你会感到惊讶的是这是多么常见。在许多现实生活中，数据存储在一个大型表中而不是许多较小的表中。在这种情况下，可能需要自我连接来解决独特的问题。
让我们来看看一个例子。
示例问题：给定下面的员工表，写出一个SQL查询，了解员工的工资，这些员工比其管理人员工资更多。对于上表来说，Joe是唯一一个比他的经理工资更多的员工。
- +----+-------+--------+-----------+
- | Id | Name | Salary | ManagerId |
- +----+-------+--------+-----------+
- | 1 | Joe | 70000 | 3 |
- | 2 | Henry | 80000 | 4 |
- | 3 | Sam | 60000 | NULL |
- | 4 | Max | 90000 | NULL |
- +----+-------+--------+-----------+Answer:
- SELECT
- a.Name as Employee
- FROM
- Employee as a
- JOIN Employee as b on a.ManagerID = b.Id
- WHERE a.Salary > b.Salary
7. Rank vs Dense Rank vs Row Number
它是一个非常常见的应用，对行和价值进行排名。以下是公司经常使用排名的一些例子：
- 按购物，利润等数量排名最高值的客户
- 排名销售数量的顶级产品
- 以最大的销售排名顶级国家
- 排名在观看的分钟数，不同观众的数量等观看的顶级视频。
在SQL中，您可以使用几种方式将“等级”分配给行，我们将使用示例进行探索。考虑以下Query和结果：
- SELECT Name
- , GPA
- , ROW_NUMBER() OVER (ORDER BY GPA desc)
- , RANK() OVER (ORDER BY GPA desc)
- , DENSE_RANK() OVER (ORDER BY GPA desc)
- FROM student_grades
ROW_NUMBER()返回每行开始的唯一编号。当存在关系时(例如，BOB vs Carrie)，ROW_NUMBER()如果未定义第二条标准，则任意分配数字。
Rank()返回从1开始的每行的唯一编号，除了有关系时，等级()将分配相同的数字。同样，差距将遵循重复的等级。
dense_rank()类似于等级()，除了重复等级后没有间隙。请注意，使用dense_rank()，Daniel排名第3，而不是第4位()。
8. 计算Delta值
另一个常见应用程序是将不同时期的值进行比较。例如，本月和上个月的销售之间的三角洲是什么?或者本月和本月去年这个月是什么?
在将不同时段的值进行比较以计算Deltas时，这是Lead()和LAG()发挥作用时。
这是一些例子：
- # Comparing each month's sales to last month
- SELECT month
- , sales
- , sales - LAG(sales, 1) OVER (ORDER BY month)
- FROM monthly_sales
- # Comparing each month's sales to the same month last year
- SELECT month
- , sales
- , sales - LAG(sales, 12) OVER (ORDER BY month)
- FROM monthly_sales
9. 计算运行总数
如果你知道关于row_number()和lag()/ lead()，这可能对您来说可能不会惊喜。但如果你没有，这可能是最有用的窗口功能之一，特别是当您想要可视化增长!
使用具有SUM()的窗口函数，我们可以计算运行总数。请参阅下面的示例：
- SELECT Month
- , Revenue
- , SUM(Revenue) OVER (ORDER BY Month) AS Cumulative
- FROM monthly_revenue
10. 日期时间操纵
您应该肯定会期望某种涉及日期时间数据的SQL问题。例如，您可能需要将数据分组组或将可变格式从DD-MM-Yyyy转换为简单的月份。
您应该知道的一些功能是：
- 提炼
- 日元
- date_add，date_sub.
- date_trunc.
示例问题：给定天气表，写一个SQL查询，以查找与其上一个(昨天)日期相比的温度较高的所有日期的ID。
- +---------+------------------+------------------+
- | Id(INT) | RecordDate(DATE) | Temperature(INT) |
- +---------+------------------+------------------+
- | 1 | 2015-01-01 | 10 |
- | 2 | 2015-01-02 | 25 |
- | 3 | 2015-01-03 | 20 |
- | 4 | 2015-01-04 | 30 |
- +---------+------------------+------------------+Answer:
- SELECT
- a.Id
- FROM
- Weather a,
- Weather b
- WHERE
- a.Temperature > b.Temperature
- AND DATEDIFF(a.RecordDate, b.RecordDate) = 1
原文链接：
https://towardsdatascience.com/ten-advanced-sql-concepts-you-should-know-for-data-science-interviews-4d7015ec74b0
