必須瞭解的十個高級 SQL 概念

隨着數據量持續增長，對合格數據專業人員的需求也會增長。具體而言，對 SQL 流利的專業人士的需求日益增長，而不僅僅是在初級層面。

因此，Stratascratch 的創始人 Nathan Rosidi 以及我覺得我認爲 10 個最重要和相關的中級到高級 SQL 概念。

那個說，我們走了！

常見表表達式（CTEs） ===============

如果您想要查詢子查詢，那就是 CTEs 施展身手的時候 - CTEs 基本上創建了一個臨時表。

使用常用表表達式（CTEs）是模塊化和分解代碼的好方法，與您將文章分解爲幾個段落的方式相同。

請在 Where 子句中使用子查詢進行以下查詢。

 1SELECT 
 2 name,
 3 salary 
 4FROM
 5 People 
 6WHERE
 7 NAME IN ( SELECT DISTINCT NAME FROM population WHERE country = "Canada" AND city = "Toronto" ) 
 8 AND salary >= (
 9 SELECT
10  AVG( salary ) 
11 FROM
12  salaries 
13WHERE
14 gender = "Female")
15
16

這似乎似乎難以理解，但如果在查詢中有許多子查詢，那麼怎麼樣？這就是 CTEs 發揮作用的地方。

 1with toronto_ppl as (
 2   SELECT DISTINCT name
 3   FROM population
 4   WHERE country = "Canada"
 5         AND city = "Toronto"
 6)
 7, avg_female_salary as (
 8   SELECT AVG(salary) as avgSalary
 9   FROM salaries
10   WHERE gender = "Female"
11)
12SELECT name
13       , salary
14FROM People
15WHERE name in (SELECT DISTINCT FROM toronto_ppl)
16      AND salary >= (SELECT avgSalary FROM avg_female_salary)
17
18

現在很清楚，Where 子句是在多倫多的名稱中過濾。如果您注意到，CTE 很有用，因爲您可以將代碼分解爲較小的塊，但它們也很有用，因爲它允許您爲每個 CTE 分配變量名稱（即 toronto_ppl 和 avg_female_salary）

同樣，CTEs 允許您完成更高級的技術，如創建遞歸表。

遞歸 CTEs. ===========

遞歸 CTE 是引用自己的 CTE，就像 Python 中的遞歸函數一樣。遞歸 CTE 尤其有用，它涉及查詢組織結構圖，文件系統，網頁之間的鏈接圖等的分層數據，尤其有用。

遞歸 CTE 有 3 個部分：

錨構件：返回 CTE 的基本結果的初始查詢
遞歸成員：引用 CTE 的遞歸查詢。這是所有與錨構件的聯盟
停止遞歸構件的終止條件

以下是獲取每個員工 ID 的管理器 ID 的遞歸 CTE 的示例：

 1with org_structure as (
 2   SELECT id
 3          , manager_id
 4   FROM staff_members
 5   WHERE manager_id IS NULL
 6   UNION ALL
 7   SELECT sm.id
 8          , sm.manager_id
 9   FROM staff_members sm
10   INNER JOIN org_structure os
11      ON os.id = sm.manager_id
12
13

臨時函數 =======

如果您想了解有關臨時函數的更多信息，請檢查此項，但知道如何編寫臨時功能是重要的原因：

它允許您將代碼的塊分解爲較小的代碼塊
它適用於寫入清潔代碼
它可以防止重複，並允許您重用類似於使用 Python 中的函數的代碼。

考慮以下示例：

 1SELECT name
 2       , CASE WHEN tenure < 1 THEN "analyst"
 3              WHEN tenure BETWEEN 1 and 3 THEN "associate"
 4              WHEN tenure BETWEEN 3 and 5 THEN "senior"
 5              WHEN tenure > 5 THEN "vp"
 6              ELSE "n/a"
 7         END AS seniority 
 8FROM employees
 9
10

相反，您可以利用臨時函數來捕獲案例子句。

 1CREATE TEMPORARY FUNCTION get_seniority(tenure INT64) AS (
 2   CASE WHEN tenure < 1 THEN "analyst"
 3        WHEN tenure BETWEEN 1 and 3 THEN "associate"
 4        WHEN tenure BETWEEN 3 and 5 THEN "senior"
 5        WHEN tenure > 5 THEN "vp"
 6        ELSE "n/a"
 7   END
 8);
 9SELECT name
10       , get_seniority(tenure) as seniority
11FROM employees
12
13

通過臨時函數，查詢本身更簡單，更可讀，您可以重複使用資歷函數！

使用 CASE WHEN 樞轉數據 ====================

您很可能會看到許多要求在陳述時使用 CASE WHEN 的問題，這只是因爲它是一種多功能的概念。如果要根據其他變量分配某個值或類，則允許您編寫複雜的條件語句。

較少衆所周知，它還允許您樞轉數據。例如，如果您有一個月列，並且您希望爲每個月創建一個單個列，則可以使用語句追溯數據的情況。

示例問題：編寫 SQL 查詢以重新格式化表，以便每個月有一個收入列。

 1Initial table:  
 2+------+---------+-------+  
 3| id   | revenue | month |  
 4+------+---------+-------+  
 5| 1    | 8000    | Jan   |  
 6| 2    | 9000    | Jan   |  
 7| 3    | 10000   | Feb   |  
 8| 1    | 7000    | Feb   |  
 9| 1    | 6000    | Mar   |  
10+------+---------+-------+  
11  
12Result table:  
13+------+-------------+-------------+-------------+-----+-----------+  
14| id   | Jan_Revenue | Feb_Revenue | Mar_Revenue | ... | Dec_Revenue |  
15+------+-------------+-------------+-------------+-----+-----------+  
16| 1    | 8000        | 7000        | 6000        | ... | null        |  
17| 2    | 9000        | null        | null        | ... | null        |  
18| 3    | null        | 10000       | null        | ... | null        |  
19+------+-------------+-------------+-------------+-----+-----------+
20
21

5.EXCEPT vs NOT IN

除了幾乎不相同的操作。它們都用來比較兩個查詢 / 表之間的行。所說，這兩個人之間存在微妙的細微差別。

首先，除了過濾刪除重複並返回不同的行與不在中的不同行。

同樣，除了在查詢 / 表中相同數量的列，其中不再與每個查詢 / 表比較單個列。推薦：Java 面試練題寶典

自聯結 ======

一個 SQL 表自行連接自己。你可能會認爲沒有用，但你會感到驚訝的是這是多麼常見。在許多現實生活中，數據存儲在一個大型表中而不是許多較小的表中。在這種情況下，可能需要自我連接來解決獨特的問題。

讓我們來看看一個例子。

示例問題：給定下面的員工表，寫出一個 SQL 查詢，瞭解員工的工資，這些員工比其管理人員工資更多。對於上表來說，Joe 是唯一一個比他的經理工資更多的員工。

 1+----+-------+--------+-----------+  
 2| Id | Name  | Salary | ManagerId |  
 3+----+-------+--------+-----------+  
 4| 1  | Joe   | 70000  | 3         |  
 5| 2  | Henry | 80000  | 4         |  
 6| 3  | Sam   | 60000  | NULL      |  
 7| 4  | Max   | 90000  | NULL      |  
 8+----+-------+--------+-----------+Answer:  
 9SELECT  
10    a.Name as Employee  
11FROM  
12    Employee as a  
13    JOIN Employee as b on a.ManagerID = b.Id  
14WHERE a.Salary > b.Salary
15
16

7.Rank vs Dense Rank vs Row Number

它是一個非常常見的應用，對行和價值進行排名。以下是公司經常使用排名的一些例子：

按購物，利潤等數量排名最高值的客戶
排名銷售數量的頂級產品
以最大的銷售排名頂級國家
排名在觀看的分鐘數，不同觀衆的數量等觀看的頂級視頻。

在 SQL 中，您可以使用幾種方式將 “等級” 分配給行，我們將使用示例進行探索。考慮以下 Query 和結果：

1SELECT Name  
2 , GPA  
3 , ROW_NUMBER() OVER (ORDER BY GPA desc)  
4 , RANK() OVER (ORDER BY GPA desc)  
5 , DENSE_RANK() OVER (ORDER BY GPA desc)  
6FROM student_grades
7
8

圖片

ROW_NUMBER（）返回每行開始的唯一編號。當存在關係時（例如，BOB vs Carrie），ROW_NUMBER（）如果未定義第二條標準，則任意分配數字。

Rank（）返回從 1 開始的每行的唯一編號，除了有關係時，等級（）將分配相同的數字。同樣，差距將遵循重複的等級。

dense_rank（）類似於等級（），除了重複等級後沒有間隙。請注意，使用 dense_rank（），Daniel 排名第 3，而不是第 4 位（）。

計算 Delta 值 =============

另一個常見應用程序是將不同時期的值進行比較。例如，本月和上個月的銷售之間的三角洲是什麼？或者本月和本月去年這個月是什麼？

在將不同時段的值進行比較以計算 Deltas 時，這是 Lead（）和 LAG（）發揮作用時。

這是一些例子：

 1# Comparing each month's sales to last month  
 2SELECT month  
 3       , sales  
 4       , sales - LAG(sales, 1) OVER (ORDER BY month)  
 5FROM monthly_sales  
 6# Comparing each month's sales to the same month last year  
 7SELECT month  
 8       , sales  
 9       , sales - LAG(sales, 12) OVER (ORDER BY month)  
10FROM monthly_sales
11
12

計算運行總數 =========

如果你知道關於 row_number（）和 lag（）/ lead（），這可能對您來說可能不會驚喜。但如果你沒有，這可能是最有用的窗口功能之一，特別是當您想要可視化增長！

使用具有 SUM（）的窗口函數，我們可以計算運行總數。請參閱下面的示例：

1SELECT Month  
2       , Revenue  
3       , SUM(Revenue) OVER (ORDER BY Month) AS Cumulative  
4FROM monthly_revenue
5
6

圖片

日期時間操縱 ==========

您應該肯定會期望某種涉及日期時間數據的 SQL 問題。例如，您可能需要將數據分組組或將可變格式從 DD-MM-Yyyy 轉換爲簡單的月份。

您應該知道的一些功能是：

提煉
日元
date_add，date_sub.
date_trunc.

示例問題：給定天氣表，寫一個 SQL 查詢，以查找與其上一個（昨天）日期相比的溫度較高的所有日期的 ID。

 1+---------+------------------+------------------+  
 2| Id(INT) | RecordDate(DATE) | Temperature(INT) |  
 3+---------+------------------+------------------+  
 4|       1 |       2015-01-01 |               10 |  
 5|       2 |       2015-01-02 |               25 |  
 6|       3 |       2015-01-03 |               20 |  
 7|       4 |       2015-01-04 |               30 |  
 8+---------+------------------+------------------+Answer:  
 9SELECT  
10    a.Id  
11FROM  
12    Weather a,  
13    Weather b  
14WHERE  
15    a.Temperature > b.Temperature  
16    AND DATEDIFF(a.RecordDate, b.RecordDate) = 1
17
18

謝謝閱讀！

就這樣！我希望這有助於您在面試準備中 - 我相信，如果您知道這 10 個內部概念，那麼在那裏大多數 SQL 問題時，你會做得很好。

一如既往，祝你學習努力最好！

(本文由聞數起舞翻譯自 Dimitris Poulopoulos 的文章《Ten Advanced SQL Concepts You Should Know for Data Science Interviews》，轉載請註明出處，原文鏈接：
https://towardsdatascience.com/ten-advanced-sql-concepts-you-should-know-for-data-science-interviews-4d7015ec74b0)

本文由 Readfog 進行 AMP 轉碼，版權歸原作者所有。
來源：https://mp.weixin.qq.com/s/IplHGuih064GBM-wppNimQ

5.EXCEPT vs NOT IN

7.Rank vs Dense Rank vs Row Number

謝謝閱讀！

猜你喜歡