
作者:俊欣
来源:关于数据分析与可视化
作为数据分析师,每天需要花费大量的时间来分析与挖掘数据当中隐藏的信息,发现新的价值,而现在绝大多数公司都是将数据存放在Mysql数据库当中,今天小编来分享25个针对每个数据分析初学者而言都需要掌握的SQL查询语句。
这个也是最基本的SQL查询了,假设我们有一张员工表“Employee”,当中包含了一系列员工的信息,包括薪水、所属的国家等内容
SELECT * FROM Employee;
我们更进一步,想要查询指定某一行的数据,这里我们查询的是员工的ID、员工的姓以及员工的名,代码如下
SELECT EmployeeID, LastName, FirstNameFROM Employee;
我们想要进一步地筛选数据,在SQL当中添加相对应的条件,例如想要查看国家是德国的员工,代码如下
SELECT * FROM Employee WHERE Location = 'Germany';
上面的例子当中,我们只是添加了一个条件,那要是不止只有一个条件该怎么办呢?
SELECT * FROM EmployeeWHERE salary > 10000 AND Location = 'UK';
我们有时候查询到的数据带有重复值,可以用DISTINCT来进行去重
SELECT DISTINCT EmployeeID,SalaryFROM Employee;
排序用到的则是ORDER BY方法,例如我们想要按照员工的名来进行排序,代码如下
SELECT EmployeeID, FirstNameFROM EmployeeORDER BY FirstName
那要是我们需要对不止一行的数据进行排序,该怎么做呢?代码如下
SELECT EmployeeID, FirstNameFROM EmployeeORDER BY FirstName DESC,EmployeeID;
其中DESC是降序(descending)的缩写,上面的代理逻辑是对员工的FirstName进行降序的排列,对EmployeeID这列进行升序的排列
要是我们想要筛选出不是空值的数据,例如我们针对的就是FirstName这一列的数据,代码如下
SELECT EmployeeID, FirstNameFROM EmployeeWHERE FirstName IS NOT NULL;
通配符的作用就在于可以方便我们进行数据的筛选,例如FirstName这一列当中含有“a”的数据,
SELECT EmployeeID, FirstNameFROM EmployeeWHERE FirstName LIKE '%a%';
concat()函数用于将两个字符串连接起来,形成一个单一的字符串,例如我们可以将FirstName和LastName这两列的数据给连接起来,这样就可以每一位员工完整的姓名啦
SELECT CONCAT(FirstName, ' ', LastName)FROM Employee;
要是我们将多个SQL语句查询得到的结果集合并到一起,就要用到UNION ALL操作符了,例如我们将员工表中的“last_name”这一列和学生表中的“last_name”这一列合并到一块显示
SELECT last_name FROM EmployeeUNION ALLSELECT last_name FROM Student;
而INTERSECT操作符则是在多个SQL语句查询得到的结果中寻找交集,代码如下
SELECT last_name FROM EmployeeINTERSECTSELECT last_name FROM Student;
针对是数值类型的数据,我们也可以在其中进行加减乘除的数学运算,例如
SELECT TotalSalary - GrossSalaryFROM Employee;
但是前提得是这两列当中的数据都得是数值类型的数据,整型或者是浮点数
这里用到的是COOUNT()方法,例如我们想要计算一下student_id有多少个的时候
SELECT COUNT(student_id)FROM student;
平均数的计算用到的是AVG()方法,例如计算平均工资,代码如下
SELECT AVG(Salary)FROM Employee;
最大值用到的是MAX()方法,例如查询一下哪位员工的工资拿的最多,代码如下
SELECT MAX(Salary)FROM Employee;
直接上代码吧
SELECT MIN(Salary)FROM Employee;
要是我们想要往表格当中插入新的数据,代码如下
INSERT INTO Employee (EmployeeID, FirstName, LastName)VALUES (‘A0001’, ‘Dom’, ‘Werler’),
更新数据用到的是UPDATE方法,后面跟着是表名,例如我们想要将Employee表中Salary这一列的数据都改成2000,代码如下
UPDATE Employee SET Salary = 20000;
例如我们想要新建一张员工表,调用的是CREATE TABLE方法,而表中的每一列需要写清楚列名以及其数据类型,代码如下
CREATE TABLE Employee(EmployeeID int, Firstname varchar(50));
DELETE FROM Employee;
表格当中的所有数据都删除,我们还能后续继续往里面添加真的数据,但是要是直接将表格都删掉,就不能执行添加新数据的操作了,因为毕竟表格都没了,代码如下
DROP TABLE Employee;
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
在实际业务数据分析中,我们遇到的大多数数据并非理想的正态分布 —— 电商平台的用户消费金额(少数用户单次消费上万元,多数集 ...
2025-10-20在数字化交互中,用户的每一次操作 —— 从电商平台的 “浏览商品→加入购物车→查看评价→放弃下单”,到内容 APP 的 “点击短 ...
2025-10-20在数据分析的全流程中,“数据采集” 是最基础也最关键的环节 —— 如同烹饪前需备好新鲜食材,若采集的数据不完整、不准确或不 ...
2025-10-20在数据成为新时代“石油”的今天,几乎每个职场人都在焦虑: “为什么别人能用数据驱动决策、升职加薪,而我面对Excel表格却无从 ...
2025-10-18数据清洗是 “数据价值挖掘的前置关卡”—— 其核心目标是 “去除噪声、修正错误、规范格式”,但前提是不破坏数据的真实业务含 ...
2025-10-17在数据汇总分析中,透视表凭借灵活的字段重组能力成为核心工具,但原始透视表仅能呈现数值结果,缺乏对数据背景、异常原因或业务 ...
2025-10-17在企业管理中,“凭经验定策略” 的传统模式正逐渐失效 —— 金融机构靠 “研究员主观判断” 选股可能错失收益,电商靠 “运营拍 ...
2025-10-17在数据库日常操作中,INSERT INTO SELECT是实现 “批量数据迁移” 的核心 SQL 语句 —— 它能直接将一个表(或查询结果集)的数 ...
2025-10-16在机器学习建模中,“参数” 是决定模型效果的关键变量 —— 无论是线性回归的系数、随机森林的树深度,还是神经网络的权重,这 ...
2025-10-16在数字化浪潮中,“数据” 已从 “辅助决策的工具” 升级为 “驱动业务的核心资产”—— 电商平台靠用户行为数据优化推荐算法, ...
2025-10-16在大模型从实验室走向生产环境的过程中,“稳定性” 是决定其能否实用的关键 —— 一个在单轮测试中表现优异的模型,若在高并发 ...
2025-10-15在机器学习入门领域,“鸢尾花数据集(Iris Dataset)” 是理解 “特征值” 与 “目标值” 的最佳案例 —— 它结构清晰、维度适 ...
2025-10-15在数据驱动的业务场景中,零散的指标(如 “GMV”“复购率”)就像 “散落的零件”,无法支撑系统性决策;而科学的指标体系,则 ...
2025-10-15在神经网络模型设计中,“隐藏层层数” 是决定模型能力与效率的核心参数之一 —— 层数过少,模型可能 “欠拟合”(无法捕捉数据 ...
2025-10-14在数字化浪潮中,数据分析师已成为企业 “从数据中挖掘价值” 的核心角色 —— 他们既要能从海量数据中提取有效信息,又要能将分 ...
2025-10-14在企业数据驱动的实践中,“指标混乱” 是最常见的痛点:运营部门说 “复购率 15%”,产品部门说 “复购率 8%”,实则是两者对 ...
2025-10-14在手游行业,“次日留存率” 是衡量一款游戏生死的 “第一道关卡”—— 它不仅反映了玩家对游戏的初始接受度,更直接决定了后续 ...
2025-10-13分库分表,为何而生? 在信息技术发展的早期阶段,数据量相对较小,业务逻辑也较为简单,单库单表的数据库架构就能够满足大多数 ...
2025-10-13在企业数字化转型过程中,“数据孤岛” 是普遍面临的痛点:用户数据散落在 APP 日志、注册系统、客服记录中,订单数据分散在交易 ...
2025-10-13在数字化时代,用户的每一次行为 —— 从电商平台的 “浏览→加购→购买”,到视频 APP 的 “打开→搜索→观看→收藏”,再到银 ...
2025-10-11