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