sqlcast函数_SQL大厂面试常考知识点|新手速进

前些天在网上冲浪的时候看到一个案例咨询&＃xff0c;问说世界500强的数据分析要不要去&＃xff0c;评论区一片爆炸&＃xff1a;

“楼主能分享一下文科生怎么转行做数据分析吗&＃xff1f;”

“SQL、python这些学起来好痛苦&＃xff01;”

我看着屏幕苦笑&＃xff0c;数据分析岗位现在的热门程度如果要形容的话&＃xff0c;基本就是随便抓一个微博网友都知道这个岗位了。

Anyway&＃xff0c;言归正传&＃xff0c;数据分析师的招聘JD你们一定不陌生&＃xff1a;

可以说&＃xff0c;不是每个数据分析岗都要求python&＃xff0c;但是每个数据分析岗都需要会SQL。

我本人曾在滴滴、美团、平安科技的数据分析类岗位实习过&＃xff0c;实习期间会大量运用sql进行取数。也参与了2018年的秋招&＃xff0c;做过网易、拼多多、新浪等等公司的数据分析笔试题&＃xff0c;还是比较了解SQL常考的题目类型的。

写这篇文章是希望帮助还没有实战过SQL的小伙伴、或者了解一些SQL语句&＃xff0c;但是担心自己了解的太片面的小伙伴。这篇文章主要介绍的是&＃xff1a;如果想要面试数据分析岗位&＃xff0c;最优先需要掌握的SQL技能是哪些呢&＃xff1f;

读完本文&＃xff0c;你能快速知道&＃xff1a;

• 除了select 这种基本的语句&＃xff0c;我最应该马上掌握的SQL语句和知识是什么&＃xff1f;
• 面试中SQL题80%都在考察的语法是什么&＃xff1f;
• 这些语法应该怎么使用&＃xff1f;

本文将从三大块介绍入门SQL需要掌握的语法和知识&＃xff0c;分别是最基础的选择(select)和连接(join/union)&＃xff1b;最常用的函数(distinct/group by/order by等)&＃xff1b;一些小小的进阶技巧(组内排序、取前百分之多少的值、时间函数)。

一.最基本(选数据)

1. 怎么把数据从表里选出来&＃xff1f;

-- 从table_1中选择a这一列select a from table_1

2. 表连接

-- table_1中有id,age; table_2中有id&＃xff0c;sex。想取出id,age,sex 三列信息-- 将table_1,table_2 根据主键id连接起来select a.id,a.age,b.sex from (select id,age from table_1) a --将select之后的内容存为临时表ajoin (select id, sex from table_2) b --将select之后的内容存为临时表bon a.id &＃61;b.id

在这里先介绍一下几种join: (敲重点&＃xff0c;很容易问的哦)

join : hive的join默认是inner join&＃xff0c;找出左右都可匹配的记录

left join: 左连接&＃xff0c;以左表为准&＃xff0c;逐条去右表找可匹配字段&＃xff0c;如果有多条会逐次列出&＃xff0c;如果没有找到则是NULL&＃xff1b;

right join&＃xff1a;右连接&＃xff0c;以右表为准&＃xff0c;逐条去左表找可匹配字段&＃xff0c;如果有多条会逐次列出&＃xff0c;如果没有找到则是NULL

full outer join: 全连接&＃xff0c;包含两个表的连接结果&＃xff0c;如果左表缺失或者右表缺失的数据会填充NULL

每种join 都有on , on的是左表和右表中都有的字段。join 之前要确保关联键是否去重&＃xff0c;是不是刻意保留非去重结果。

3. 两张表数据的字段一样&＃xff0c;想合并起来&＃xff0c;怎么办&＃xff1f;

-- 不去重&＃xff0c;合并两张表的数据select * from (select id from table_1UNION ALLselect id from table_2)t;

union和union all均基于列合并多张表的数据&＃xff0c;所合并的列格式必须完全一致。union的过程中会去重并降低效率&＃xff0c;union all直接追加数据。union前后是两段select 语句而非结果集。

二.最常用

为方便大家理解每个函数的作用&＃xff0c;先建一个表&＃xff0c;后面以这个为示例。

1. 去重 distinct

-- 罗列不同的idselect distinct id from table_1-- 统计不同的id的个数select count(distinct id) from table_1-- 优化版本的count distinctselect count(*) from(select distinct id from table_1) tb

distinct 会对结果集去重&＃xff0c;对全部选择字段进行去重&＃xff0c;并不能针对其中部分字段进行去重。使用count distinct进行去重统计会将reducer数量强制限定为1&＃xff0c;而影响效率&＃xff0c;因此适合改写为子查询。

2. 聚合函数和group by

-- 统计不同性别(F、M)中&＃xff0c;不同的id个数select count(distinct id) from table_1group by sex-- 其它的聚合函数例如&＃xff1a;max/min/avg/sum-- 统计最大/最小/平均年龄select max(age), min(age),avg(age) from table_1group by id

聚合函数帮助我们进行基本的数据统计&＃xff0c;例如计算最大值、最小值、平均值、总数、求和。

3. 筛选 where/having

-- 统计A公司的男女人数select count(distinct id) from table_1where company &＃61; &＃39;A&＃39;group by sex-- 统计各公司的男性平均年龄&＃xff0c;并且仅保留平均年龄30岁以上的公司select company, avg(age) from table_1where sex &＃61; &＃39;M&＃39;group by companyhaving avg(age)>30;

4. 排序 order by

-- 按年龄全局倒序排序取最年迈的10个人select id,age from table_1 order by age DESC limit 10

5. case when 条件函数

-- 收入区间分组select id,(case when CAST(salary as float)<50000 Then &＃39;0-5万&＃39;when CAST(salary as float)>&＃61;50000 and CAST(salary as float)<100000 then &＃39;5-10万&＃39;when CAST(salary as float) >&＃61;100000 and CAST(salary as float)<200000 then &＃39;10-20万&＃39;when CAST(salary as float)>200000 then &＃39;20万以上&＃39;else NULL end from table_1;

case 函数的格式为(case when 条件1 then value1 else null end), 其中else 可以省&＃xff0c;但是end不可以省。

在这个例子里也穿插了一个CAST的用法&＃xff0c;它常用于string/int/double型的转换。

6. 字符串

1)concat( A, B...)返回将A和B按顺序连接在一起的字符串&＃xff0c;如&＃xff1a;concat(&＃39;foo&＃39;, &＃39;bar&＃39;) 返回&＃39;foobar&＃39;。

select concat(&＃39;www&＃39;,&＃39;.iteblog&＃39;,&＃39;.com&＃39;) fromiteblog;

2)split(str, regex)用于将string类型数据按regex提取&＃xff0c;分隔后转换为array。

-- 以","为分隔符分割字符串&＃xff0c;并转化为arraySelect split("1,2,3",",")as value_array from table_1;-- 结合array index,将原始字符串分割为3列select value_array[0],value_array[1],value_array[2] from (select split("1,2,3",",")as value_array from table_1 )t

3)substr(str,0,len) 截取字符串从0位开始的长度为len个字符。

select substr(&＃39;abcde&＃39;,3,2) fromiteblog;-- 得到cd

三.基础进阶

1.row_number()

-- 按照字段salary倒序编号select *, row_number() over (order by salary desc) as row_num from table_1;-- 按照字段deptid分组后再按照salary倒序编号select *, row_number() over (partition by deptid order by salary desc) as rank from table_1;

按照depid分组&＃xff0c;对salary进行排序(倒序)

除了row_number函数之外&＃xff0c;还有两个分组排序函数&＃xff0c;分别是rank() 和dense_rank()。

rank()排序相同时会重复&＃xff0c;总数不会变 &＃xff0c;意思是会出现1、1、3这样的排序结果&＃xff1b;

dense_rank() 排序相同时会重复&＃xff0c;总数会减少&＃xff0c;意思是会出现1、1、2这样的排序结果。

row_number() 则在排序相同时不重复&＃xff0c;会根据顺序排序。

2.percentile 百分位函数

-- 获取income字段的top10%的阈值select percentile(CAST (salary AS int),0.9)) as income_top10p_threshold from table_1;-- 获取income字段的10个百分位点select percentile(CAST (salary AS int),array(0.0,0.1,0.2,0.3,0.4,0.5,0.6,0.7,0.8,0.9,1.0)) as income_percentilesfrom table_1;

3.时间函数

-- 转换为时间数据的格式select to_date("1970-01-01 00:00:00") as start_time from table_1;-- 计算数据到当前时间的天数差 select datediff(&＃39;2016-12-30&＃39;,&＃39;2016-12-29&＃39;);-- 得到 "1"

to_date函数可以把时间的字符串形式转化为时间类型&＃xff0c;再进行后续的计算。

常用的日期提取函数包括&＃xff1a;

• year()/month()/day()/hour()/minute()/second()
• 日期运算函数包括datediff(enddate,stratdate) 计算两个时间的时间差(day)
• date_sub(stratdate,days) 返回开始日期startdate减少days天后的日期
• date_add(startdate,days) 返回开始日期startdate增加days天后的日期

想要学习MySQL课程

可以在九道门1块钱注册会员免费学哦~