像Excel一样使用SQL进行数据分析

 Excel是数据分析中最常用的工具 ，利用Excel可以完成数据清洗，预处理，以及最常见的数据分类，数据筛选，分类汇总，以及数据透视等操作，而这些操作用SQL一样可以实现。SQL不仅可以从数据库中读取数据，还能通过不同的SQL函数语句直接返回所需要的结果，从而大大提高了自己在客户端应用程序中计算的效率。

[[442527]]

1 重复数据处理

查找重复记录

 

SELECT * FROM user  
Where (nick_name,password) in 
( 
SELECT nick_name,password  
FROM user  
group by nick_name,password  
having count(nick_name)>1 
); 

查找去重记录

查找id最大的记录

 

SELECT * FROM user  
WHERE id in 
(SELECT max(id) FROM user 
group by nick_name,password  
having count(nick_name)>1 
); 

删除重复记录

只保留id值最小的记录

 

DELETE  c1 
FROM  customer c1,customer c2 
WHERE c1.cust_email=c2.cust_email 
AND c1.id>c2.id; 
DELETE FROM user Where (nick_name,password) in 
(SELECT nick_name,password FROM 
    (SELECT nick_name,password FROM user  
    group by nick_name,password  
    having count(nick_name)>1) as tmp1 
) 
and id not in 
(SELECT id FROM 
    (SELECT min(id) id FROM user  
     group by nick_name,password  
     having count(nick_name)>1) as tmp2 
); 

2 缺失值处理

查找缺失值记录

 

SELECT * FROM customer 
WHERE cust_email IS NULL; 

更新列填充空值

 

UPDATE sale set city = "未知"  
WHERE city IS NULL; 
 
UPDATE orderitems set  
price_new=IFNULL(price_new,5.74); 

查询并填充空值列

 

SELECT AVG(price_new) FROM orderitems; 
 
SELECT IFNULL(price_new,5.74) AS bus_ifnull 
FROM orderitems; 

3 计算列

更新表添加计算列

 

ALTER TABLE orderitems ADD price_new DECIMAL(8,2) NOT NULL; 
 
UPDATE orderitems set price_new= item_price*count; 

查询计算列

 

SELECT item_price*count as sales FROM orderitems; 

4 排序

多列排序

SELECT * FROM orderitems 
ORDER BY price_new DESC,quantity; 

查询排名前几的记录

 

SELECT * FROM orderitems 
ORDER BY price_new DESC LIMIT 5; 

查询第10大的值

 

SELECT DISTINCT price_new 
FROM orderitems 
ORDER BY price_new DESC LIMIT 9,1; 

排名

数值相同的排名相同且排名连续

 

SELECT prod_price, 
(SELECT COUNT(DISTINCT prod_price) 
FROM products 
WHERE prod_price>=a.prod_price 
) AS rank 
FROM products AS a 
ORDER BY rank ; 

5 字符串处理

字符串替换

 

UPDATE data1 SET city=REPLACE(city,'SH','shanghai'); 
 
SELECT city FROM data1; 

按位置字符串截取

字符串截取可用于数据分列

MySQL 字符串截取函数：left(), right(), substring(), substring_index()

 

SELECT left('example.com', 3); 

从字符串的第 4 个字符位置开始取，直到结束

 

SELECT substring('example.com', 4); 

从字符串的第 4 个字符位置开始取，只取 2 个字符

 

SELECT substring('example.com', 4, 2); 

按关键字截取字符串

取第一个分隔符之前的所有字符，结果是www

 

SELECT substring_index('www.google.com','.',1); 

取倒数第二个分隔符之后的所有字符，结果是google.com;

 

SELECT substring_index('www.google.com','.',-2); 

6 筛选

通过操作符实现高级筛选

使用 AND OR IN NOT 等操作符实现高级筛选过滤

 

SELECT prod_name，prod_price FROM Products 
WHERE vend_id IN('DLL01','BRS01'); 
SELECT prod_name FROM Products WHERE NOT vend_id='DLL01'; 

通配符筛选

常用通配符有% _ [] ^

 

SELECT * from customers WHERE country LIKE "CH%"; 

7 表联结

SQL表连接可以实现类似于Excel中的Vlookup函数的功能

 

SELECT vend_id,prod_name,prod_price 
FROM Vendors INNER JOIN Products 
ON Vendors.vend_id=Products.vend_id; 
 
SELECT prod_name,vend_name,prod_price,quantity 
FROM OderItems,Products,Vendors 
WHERE Products.vend_id=Vendors.vend_id 
AND OrderItems.prod_id=Products.prod_id 
AND order_num=20007; 

自联结 在一条SELECT语句中多次使用相同的表

 

SELECT c1.cust_od,c1.cust_name,c1.cust_contact 
FROM Customers as c1,Customers as c2 
WHERE c1.cust_name=c2.cust_name 
AND c2.cust_contact='Jim Jones'; 

8 数据透视

数据分组可以实现Excel中数据透视表的功能

数据分组

group by 用于数据分组 having 用于分组后数据的过滤

 

SELECT order_num,COUNT(*) as items 
FROM OrderItems 
GROUP BY order_num HAVING COUNT(*)>=3; 

交叉表

通过CASE WHEN函数实现

 

SELECT data1.city, 
CASE WHEN colour = "A" THEN price END AS A, 
CASE WHEN colour = "B" THEN price END AS B, 
CASE WHEN colour = "C" THEN price END AS C, 
CASE WHEN colour = "F" THEN price END AS F 
FROM data1