【读书】Learning_SQL by Alan_Beaulieu-第三章

注：本书是2022年春节期间阅读的笔记，之前发布在微信公众号中，这里整理到博客中，并必要调整。

2024年 ㊗️ 新年慢乐·喜乐平安

喜乐君按：假期居家修订《数据可视化分析》一书，期间阅读了一些不错的书籍，今日将Learning_SQL第三章、第四章做简要笔记，分享读者。SQL并非学习Tableau的必备，但却是深入理解数据的好工具，也是为数不多历经50年没有消失的极少数代码语言之一。

SQL近期的阅读材料为：

Chapter 3 Query Primer

SQL的查询是一个先验证权限和语法（permission and syntax），而后执行（execution）并返回数据集（data sets）的过程。

查询过程中，有多个部分构成（query clauses），不过只有select是必须mandatory。

select部分最好理解，*代表all columns， 或者就指定字段名称（还可以使用as增加别名alias）；不过，随着学习的深入，select后面可以使用多个样式：

from ，如果按照难易程度，也可以分为至少两个类型：

单表中又可以分为三种类型，

这和tableau中的数据表类型多有类似，也可以视为是“物理-逻辑”的演进。系统中已有的表、通过create table生成的表是包含数据的物理表，而通过create view创建的视图，则只是一个未来可用的query查询，因此逻辑上存在、内容是空，故名virtual ；临时表介于二者之间，通过subquery子查询临时创建，在短时间内存在，事后就释放，如同很多数据工具中的“影子数据”或者浏览器的缓存cache。不过，SQL中create view生成的view，是数据视图，和tableau的可视化视图viz虽然有类似之处（都是临时的数据集），但最终展现的形式不同，view可以认为是cross table，而tableau viz是可视化visualization

create view employee_view AS

默认的join 是inner join， join需要和on condition结合使用；同时多表可以使用AS增加table alias。

select e.emp_id, e.emp_name, d.department

书中Charter 4深入介绍了where子句的使用，把它分为四种类型，对我更好地理解tableau筛选，并做进一步分类起到了重要作用。

后面单独分享

从group by开始，我觉得开进入分析的世界。我们可以把数据的query分为两类：（1）query raw data without any maunipulation (2) group datas by columns to find trends.

group by是显形的语法，与之相对的潜在的聚合过程是aggregate。也许是正因此，书中Chapter 8的标题是 grouping and aggregates。在我最近的图书修订中，我发现自己过度的强调了aggregate的部分，而对group的阐述不足，虽然group的进一步抽象是问题的层次 ，但是还需要更具体化的解释才行。后续介绍chapter 8.

having正是对聚合后的数据做的筛选，因此理解它和where的不同至关重要。

• - how many departments and num_employees of each dept -- num_employees more than 2 select d.name, count(e.emp_id) as num_employees from deparment d inner join employee e on d.dept_id = e.dept_id group by d.namehaving count(e.emp_id)>2;

The order by clause is the mechanism sorting your result set using either raw column data or expressions based on column data .

sort by可以是单一字段，可以是多个字段，注意多个字段的排序是有优先级的，从前往后。另外有几个可选项：

⚠️ 排序对于性能是负面影响，因此如果只是出数据，并非必须。

select emp_id, name, title, fname,lname

Chapter 4 Filtering

Chapter 3介绍的where 和 having都可以完成类似的筛选，前者是narrow your foucs to a subset of a table's rows,后者则是 fitler conditions pertaining to grouped data 。二者的差异与group by息息相关，或者说where是针对明细的，having 是针对聚合的。

本章介绍rows的筛选

Basic of logic

大学期间学过逻辑学，虽然大部分知识似乎忘却，但是一些关键的逻辑方法却已经深入内心，所以这里关于and、or、not、parentheses（圆括号）等operator就好理解了。

另外，还有两类operators ：

之后，作者把filter分为了四类，这里值得我参考借鉴。作者并未像tableau可视化工具一样指出前面的分类是基于discrete and continuous fiels的字段分类，。

使用comparisons operators可以完成equality或者inequality conditions。

……

this type of condition is common when working with numeric or temporal data. 这也应了tableau中的连续字段，要么是数字，要么是日期。

这里有几个关键：

SELECT emp_id, fname, lname, start_date

SELECT emp_id, fname, lname, start_date

WHERE avail_balance BETWEEN 3000 AND 5000;

set of values to include or exclude

多个值（注意是离散值）的筛选，书中作为单独一类介绍，可能是为了介绍独特的IN语法吧。

比如下面的一段SQL，locate all accounts whose product code is either 'CHK', 'SAV', 'CD', or 'MM'。

SELECT account_id, product_cd, cust_id, avail_balance

--

SELECT account_id, product_cd, cust_id, avail_balance

Tableau 在2020年版本增加了IN函数，也是为了让此类问题更加简单。同时也可以与“条件筛选”等问题对应，诸如“筛选销售额大于1万的客户”，可以视为是一个简单的in函数。

比如，我可以使用以下SQL查询订单次数大于10的客户：

select `客户 Id` ,count(distinct `订单 Id`)

select 地区 ,sum(利润)

match规则有很多，比如以字母T开头，以S结尾，或者包含K（通配符）。SQL中可以使用build-in function完成，或者借助于通配符。

SELECT emp_id, fname, lname

作者还给出了一些实例：

正则表达式针对字符串处理，有点难，先跳过吧。

总结：

tableau基于SQL而创造了用于可视化的VizQL，不过它的底层依然是SQL逻辑，二者的相同之处让我在阅读这本书时游刃有余，并能进一步增加对Tableau的理解。

• 🌐 XILEJUN.com 全球 → https://xilejun.com
• 🌐 VIZWISE.cn 国内 → https://vizwise.cn
• 【读书笔记】Learning_SQL by Alan_Beaulieu第三章 → /posts/learning-sql-by-alan-beaulieu
• Learning_SQL by Alan_Beaulieu第七章日期函数 → /posts/learning-sql-by-alan-beaulieu
• [sql]Learning_SQL by Alan_Beaulieu Chapter 8 分组聚合 → https://xilejun.com/reading/sqllearning_sql-by-alan_beaulieu-chapter-8/
• 【读书】Learning_SQL by Alan_Beaulieu-第五/十章 连接 → /posts/learning-sql-by-alan-beaulieu
• 【读书】cross join妙用——在Tableau中借SQL生成“日历表” → /posts/cross-join-calander-table