SQL與數(shù)據(jù)科學(xué)

SQL指的是結(jié)構(gòu)化查詢語言，旨在管理關(guān)系型數(shù)據(jù)庫。SQL在數(shù)據(jù)科學(xué)中應(yīng)用廣泛，屬于必備技能。以下列出了SQL的特點(diǎn)：

(資料圖)

廣泛使用：雖然它已經(jīng)有了大約40年的歷史，但在大多數(shù)關(guān)系型數(shù)據(jù)庫系統(tǒng)中用于查詢，并已成為實(shí)驗數(shù)據(jù)的標(biāo)準(zhǔn)工具。簡化對數(shù)據(jù)的理解：SQL在瀏覽數(shù)據(jù)庫內(nèi)容時非常方便。它能讓你有效地理解細(xì)節(jié)。易于學(xué)習(xí)：它是新手的完美起點(diǎn)，具有簡單的類英語語法，只需幾行代碼即可提取有價值的見解。能夠處理海量數(shù)據(jù)：SQL可以使你以有組織的方式管理大量數(shù)據(jù)，是數(shù)據(jù)科學(xué)應(yīng)用的理想選擇。與其他編程語言和應(yīng)用程序的兼容性：將SQL與Python、C++、R等語言集成非常方便。它還支持商業(yè)智能和數(shù)據(jù)可視化工具，如Power BI和Tableau，使開發(fā)過程更加容易。7個SQL知識點(diǎn)1）基本命令

掌握基本命令的知識是終身學(xué)習(xí)的基礎(chǔ)。否則，你只會記憶事實(shí)，而不了解它們?nèi)绾闻浜?。以下是一些最常用的SQL命令：

SELECT和FROM：從指定的表中檢索數(shù)據(jù)的屬性。SELECT DISTINCT：它消除重 復(fù)的行并只顯示唯一的記錄。WHERE：它過濾記錄并只顯示滿足給定條件的記錄。AND、OR、NOT：當(dāng)條件不為True時不執(zhí)行查詢。而AND和OR用于應(yīng)用多個條件。ORDER BY：它按升序或降序?qū)?shù)據(jù)進(jìn)行排序。GROUP BY：它對相同的數(shù)據(jù)分組。HAVING：對由Group By聚合的數(shù)據(jù)可以在此進(jìn)一步篩選。聚合函數(shù)：聚合函數(shù)，如COUNT()、MAX()、MIN()、AVG()和SUM()，用于對給定的數(shù)據(jù)執(zhí)行操作。

讓我們以Employee表為例，應(yīng)用這些命令：

ID	Name	Department	Salary ($)	Gender
1	Julia	Admin	20000	F
2	Jasmine	Admin	15000	F
3	John	IT	20000	M
4	Mark	Admin	17000	M

現(xiàn)在，我們想要獲取在Admin部門工作的女性的平均工資。

SELECT Department,       AVG(Salary)FROM EmployeesWHERE Gender="F"GROUP BY DepartmentHAVING Department = "Admin";

輸出：

Admin | 17500.0

2）Case When

Case When是SQL中一種非常強(qiáng)大和靈活的語句，用于編寫復(fù)雜的條件語句。它提供了IF.THEN.ELSE語句的功能。讓我們來看一下它的語法：

CASE expression   WHEN value_1 THEN result_1   WHEN value_2 THEN result_2   ...   WHEN value_n THEN result_n   ELSE resultEND

它按順序執(zhí)行語句，并在條件為True時返回值。如果沒有滿足條件的情況，將執(zhí)行ELSE塊，如果沒有ELSE塊，則返回NULL。

假設(shè)我們有一個學(xué)生數(shù)據(jù)庫，我們想根據(jù)他們的成績對他們進(jìn)行分級。可以使用以下SQL語句：

SELECT student_name,       marks,       CASE           WHEN marks >= 85 THEN "A"           WHEN marks >= 75                AND marks < 85 THEN "B+"           WHEN marks >= 65                AND marks < 75 THEN "B"           WHEN marks >= 55                AND marks < 65 THEN "C"           WHEN marks >= 45                AND marks < 55 THEN "D"           ELSE "F"       END AS gradingFROM Students;

3）子查詢

作為一名數(shù)據(jù)科學(xué)家，子查詢的知識是必不可少的，因為他們需要處理不同的表格，并且一個查詢的結(jié)果可能會再次用于限制主查詢中的數(shù)據(jù)。它也被稱為嵌套查詢或內(nèi)部查詢。子查詢必須用括號括起來，在主查詢之前執(zhí)行。如果它返回多行，則稱為多行子查詢，并且必須使用多行運(yùn)算符。

假設(shè)保險公司推出了一項新政策，取消那些年齡超過80歲的人的保險?？梢允褂萌缦滤镜淖硬樵兺瓿桑?/p>

DELETEFROM INSURANCE_CUSTOMERSWHERE AGE IN    (SELECT AGE     FROM INSURANCE_CUSTOMERS     WHERE AGE > 80 );

內(nèi)部子查詢選擇了所有80歲以上的客戶，然后對該組執(zhí)行Delete操作。

4）連接

SQL連接是用于基于多個表格之間的邏輯關(guān)系將它們中的行組合在一起。SQL連接的4種類型如下所示：

內(nèi)部連接（Inner Join）：內(nèi)部連接僅顯示滿足給定條件的兩個表格中的行。它可以在集合術(shù)語中稱為交集。

SELECT Student.NameFROM StudentINNER JOIN Sports ON Student.ID = Sports.ID;

它返回那些已在體育部門注冊的學(xué)生。注意：Sports ID與學(xué)生的注冊ID相同。

左連接（Left Join）：它返回左表格中的所有記錄，而只顯示右表格中的匹配記錄。

SELECT Student.NameFROM StudentLEFT JOIN Sports ON Student.ID = Sports.ID;

右連接（Right Join）：它與左連接作用正好相反。

SELECT Student.NameFROM StudentRIGHT JOIN Sports ON Student.ID = Sports.ID;

完全連接（Full Join）：它包含來自兩個表格的所有行，如果它沒有相應(yīng)的匹配條目，則顯示NULL值。

SELECT Student.NameFROM StudentFULL JOIN Sports ON Student.ID = Sports.ID;

5）存儲過程

存儲過程允許我們在數(shù)據(jù)庫中存儲多個SQL語句以便日后使用。它提供了可重用性，還可以在調(diào)用時接受參數(shù)值。它可以增強(qiáng)性能，并且更容易進(jìn)行任何修改。

CREATE PROCEDURE SelectStudents @Major nvarchar(30),                                       @Grade char(1) ASSELECT *FROM StudentsWHERE Major = @Major  AND Grade = @Grade GO;EXEC SelectStudents @Major = "Data Science",                    @Grade = "A";

此存儲過程允許我們提取不同專業(yè)的學(xué)生，并根據(jù)其成績進(jìn)行篩選。例如，我們要提取所有專業(yè)為數(shù)據(jù)科學(xué)且成績?yōu)锳的學(xué)生。請注意，CREATE PROCEDURE就像函數(shù)聲明一樣，需要使用EXEC進(jìn)行調(diào)用以便執(zhí)行。

6）字符串格式化

我們都知道原始數(shù)據(jù)需要進(jìn)行清洗，以提高整體生產(chǎn)力，從而做出高質(zhì)量的決策。字符串格式化在這種情況下起著重要作用，它涉及到對字符串的操作，以去除不相關(guān)的內(nèi)容。SQL提供了大量的字符串函數(shù)來轉(zhuǎn)換和處理字符串。其中最常用的五個函數(shù)如下：

CONCAT：用于將兩個或多個字符串相加。

SELECT CONCAT(Name, " has a major of  ", Major)FROM StudentsWHERE student_Id = 37;

SUBSTR：返回字符串的一部分，并在其參數(shù)中提供子字符串的起始位置和長度。

SELECT student_name,admission_date,     SUBSTR(admission_date, 4, 2) AS dayFROM Students

從admission_date中提取出來的day列將以單獨(dú)的形式出現(xiàn)，。

TRIM：TRIM的主要作用是從字符串的開頭、結(jié)尾或兩者中刪除字符（如果指定了）。必須指定前導(dǎo)、后導(dǎo)或兩者，然后是指定要刪除的字符，再接著是要從中刪除的字符串。

SELECT age,   TRIM(trailing " years" FROM age)FROM Students

它將26 years更改為26。

INSERT：允許我們在給定字符串中的指定位置插入字符串。必須指定要寫入的新子字符串的位置和長度。請注意，此新字符串將覆蓋先前的文本。

SELECT INSERT("OldWebsite.com", 1, 9, "NewWebsite");

它將被更新為NewWebsite.com。

COALESCE：主要是用使用者定義的值替換空值，這在數(shù)據(jù)科學(xué)中經(jīng)常需要。

SELECT COALESCE (NULL, NULL, 10, "John’")

這將返回10。

7）窗口函數(shù)

窗口函數(shù)類似于聚合函數(shù)，但在計算后不會使行合并為單個行。相反，行保留其各自的標(biāo)識。它們分為三個主要類別：

聚合函數(shù)：它從數(shù)值列中顯示聚合值，如AVG()、COUNT()、MAX()、MIN()、SUM()等。

SELECT name,       AVG(salary) over (PARTITION BY department) FROM Employees;

它顯示了Employee表中不同部門的平均工資。

值函數(shù)：使用值窗口函數(shù)為每個分區(qū)分配一些值。一些常用的值函數(shù)有LAG()、LEAD()、FIRST_VALUE()、LAST_VALUE()和NTH_VALUE()。

SELECT   bank_branch, month, income, LAG(income,1) OVER (  PARTITION BY bank_branch  ORDER BY month ) income_next_monthFROM Bank;

我們將銀行不同分支機(jī)構(gòu)的本月收入與上月進(jìn)行比較。

排名函數(shù)：它們可根據(jù)預(yù)定義排序為行分配排名。ROW_NUMBER()、RANK()、DENSE_RANK()、PERCENT_RANK()、NTILE()等是其中的幾個函數(shù)。

SELECT product_name, price, RANK () OVER (   ORDER BY list DESC ) price_hightolowFROM Products;

使用RANK()，對產(chǎn)品進(jìn)行基于價格的排名。

結(jié)論

通過閱讀本文能全面了解作為數(shù)據(jù)科學(xué)家需要了解多少SQL基本知識。如果想更深入地了解這些概念，以下是一些資源可供參考：

【SQLServertutorial】：https://www.sqlservertutorial.net/

【TutorialsPoint】：https://www.sqlservertutorial.net/

【W(wǎng)3Schools】：https://www.w3schools.com/sql/

關(guān)鍵詞：