美文网首页SQL
SQL for Data Analysis - Lesson 4

SQL for Data Analysis - Lesson 4

作者: IntoTheVoid | 来源:发表于2018-08-26 20:00 被阅读15次

子查询

目的: 有时候，你要回答的问题无法通过直接处理数据库中的现有表格获得答案。但是，如果我们能通过现有的表格创建新的表格，我们就能查询这些新的表格，并回答我们的问题。

子查询简介

子查询和表格表达式都是用来通过查询创建一个表格，然后再编写一个查询来与这个新创建的表格进行互动。每当我们需要使用现有表格创建新的表格，然后需要再次查询时，就表明我们需要使用某种子查询。

某些查询(也成为内层查询或嵌套查询Subqueries)是可用于多个步骤的工具.

以营销经理为例, 哪些渠道平均每天发送给Parch&Posey的流量最大?

  • 首先查询基础表, 确保数据可用
  • 统计每天每个渠道的所有事件
  • 将以上查询构建为子查询表, 要做到这一点, 首先将以上查询放入括号中, 并将其用在编写下个查询的FROM子句, 子查询需要别名, 在括号后面添加别名
  • 在创建的事件列中计算平均值, 由于子查询就像FROM 子句的一个表格一样, 我们将在子查询之后放置一个GROUP BY子句, 由于现在是根据这个新的聚合重新查询, 因此不再需要在子查询中使用ORDER BY语句
SELECT channel,
       AVG(event_count) AS avg_event_count
FROM
(SELECT DATE_TRUNC('day', occurred_at) AS day,
       channel,
       COUNT(*) AS event_count
  FROM demo.web_events_full
GROUP BY 1, 2
 ) sub

 GROUP BY 1
 ORDER BY 2 DESC

以上代码, 首先运行内层查询, 然后针对内层查询创建的结果集来运行外层查询, 查询结果如下

image.png

 
 

子查询格式

在使用子查询时，要让读者能够轻松地判断查询的哪个部分将一起执行。大部分人的做法是按照某种方式缩进子查询.

  • 格式糟糕的查询

示例1: 无法判断查询的作用

image.png

示例2: 不是太糟糕, 但是还有更好的写法.

image.png
  • 格式清晰的查询

示例3:

SELECT *
FROM (SELECT DATE_TRUNC('day',occurred_at) AS day,
                channel, COUNT(*) as events
      FROM web_events 
      GROUP BY 1,2
      ORDER BY 3 DESC) sub;

示例4:

SELECT *
FROM (SELECT DATE_TRUNC('day',occurred_at) AS day,
                channel, COUNT(*) as events
      FROM web_events 
      GROUP BY 1,2
      ORDER BY 3 DESC) sub
GROUP BY channel
ORDER BY 2 DESC;

 
 

更多子查询内容

子查询可以在查询中的若干地方使用, 无论是表名称, 列名称还是个别值, 尤其适用于条件逻辑, 可与WHERE或JOIN子句协同使用, 或用于CASE语句的WHEN部分.

例如, 你可能希望仅返回与Parch&Posies首个订单相同月份的订单

要获取首个订单的日期, 你可以编写一个带有MIN函数的子查询, 以下代码获取首个订单的信息

SELECT MIN(occurred_at) AS min
  FROM orders

在以上代码中, 再添加一个DATE_TRUNC函数来获取首个订单的月份

SELECT DATE_TRUNC('month', MIN(occurred_at)) AS min
  FROM orders

最后使用上面的子查询, 来使用WHERE筛选订单表, 并按occurred_at列进行分类,

SELECT *
  FROM orders
  WHERE DATE_TRUNC('month', occurred_at) =
        (SELECT DATE_TRUNC('month', MIN(occurred_at)) AS min
           FROM orders)
  ORDER BY occurred_at

此查询可行的原因是子查询的结果只有一个单元格

image.png

大多数条件逻辑都可以和包含单个单元格结果的子查询一起使用, 但是IN是唯一一种, 当内层查询包含多个结果时可用的条件逻辑类型.

提示
注意，在条件语句中编写子查询时，不能包含别名。这是因为该子查询会被当做单个值（或者对于 IN 情况是一组值），而不是一个表格。

同时注意，这里的查询对应的是单个值。如果我们返回了整个列，则需要使用 IN 来执行逻辑参数。如果我们要返回整个表格，则必须为该表格使用别名，并对整个表格执行其他逻辑。

 
 
更多的子查询练习
相关ERD

image.png

1.提供每个区域拥有最高销售额 (total_amt_usd) 的销售代表的姓名。
步骤:

首先，我要算出与每个销售代表相关的总销售额 (total_amt_usd)，并且要得出他们所在的区域。以下查询提供了这一信息。
SELECT s.name rep_name, r.name region_name, SUM(o.total_amt_usd) total_amt
FROM sales_reps s
JOIN accounts a
ON a.sales_rep_id = s.id
JOIN orders o
ON o.account_id = a.id
JOIN region r
ON r.id = s.region_id
GROUP BY 1,2
ORDER BY 3 DESC;

接着，得出每个区域的最高销售额，然后使用该信息从最终结果中获取这些行。
SELECT region_name, MAX(total_amt) total_amt
FROM(SELECT s.name rep_name, r.name region_name, SUM(o.total_amt_usd) total_amt
FROM sales_reps s
JOIN accounts a
ON a.sales_rep_id = s.id
JOIN orders o
ON o.account_id = a.id
JOIN region r
ON r.id = s.region_id
GROUP BY 1, 2) inner1
GROUP BY 1;

最后, 本质上，这是两个表格的连接，其中区域和销售额相匹配。完整代码如下

SELECT t2.sales_rep_name, t2.region, t2.total_usd
  FROM (SELECT region, 
               MAX(total_usd) AS total_usd
          FROM (SELECT r.name region, 
                       s.name sales_rep_name,
                       SUM(o.total_amt_usd) total_usd
                  FROM orders o
                  JOIN accounts a
                    ON o.account_id = a.id
                  JOIN sales_reps s
                    ON a.sales_rep_id = s.id
                  JOIN region r
                    ON s.region_id = r.id
              GROUP BY 1,2) inner1
        GROUP BY 1) t1

JOIN (SELECT r.name region, 
             s.name sales_rep_name,
             SUM(o.total_amt_usd) total_usd
        FROM orders o
        JOIN accounts a
          ON o.account_id = a.id
        JOIN sales_reps s
          ON a.sales_rep_id = s.id
        JOIN region r
          ON s.region_id = r.id
      GROUP BY 1,2
      ORDER BY 3 DESC) t2

ON t1.region = t2.region AND t1.total_usd = t2.total_usd

方案二:使用with设置子表(推荐)

WITH t1 AS (
  SELECT s.name rep_name, r.name region_name, SUM(o.total_amt_usd) total_amt
   FROM sales_reps s
   JOIN accounts a
   ON a.sales_rep_id = s.id
   JOIN orders o
   ON o.account_id = a.id
   JOIN region r
   ON r.id = s.region_id
   GROUP BY 1,2
   ORDER BY 3 DESC), 
t2 AS (
   SELECT region_name, MAX(total_amt) total_amt
   FROM t1
   GROUP BY 1)
SELECT t1.rep_name, t1.region_name, t1.total_amt
FROM t1
JOIN t2
ON t1.region_name = t2.region_name AND t1.total_amt = t2.total_amt;

2.对于具有最高销售额 (total_amt_usd) 的区域，总共下了多少个订单 （total count orders） ？

SELECT t1.region, t1.total_usd, t2.total_orders
  FROM (SELECT region,
               MAX(total_usd) AS total_usd
          FROM (SELECT r.name region, 
                       SUM(o.total) total_orders,
                       SUM(o.total_amt_usd) total_usd
                  FROM orders o
                  JOIN accounts a
                    ON o.account_id = a.id
                  JOIN sales_reps s
                    ON a.sales_rep_id = s.id
                  JOIN region r
                    ON s.region_id = r.id
              GROUP BY 1) inner1
        GROUP BY 1
        ORDER BY 2 DESC
          LIMIT 1) t1
备注:以上代码先找出最大销售的区域, 此为一个区域
  JOIN (SELECT r.name region, 
               SUM(o.total) total_orders,
               SUM(o.total_amt_usd) total_usd
          FROM orders o
          JOIN accounts a
            ON o.account_id = a.id
          JOIN sales_reps s
            ON a.sales_rep_id = s.id
          JOIN region r
            ON s.region_id = r.id
        GROUP BY 1) t2
    ON t1.region = t2.region
备注: t1只有一个值,因此在和t2进行匹配时,只能匹配一行结果, 也就是我们需要的

方案二

WITH t1 AS (
   SELECT r.name region_name, SUM(o.total_amt_usd) total_amt
   FROM sales_reps s
   JOIN accounts a
   ON a.sales_rep_id = s.id
   JOIN orders o
   ON o.account_id = a.id
   JOIN region r
   ON r.id = s.region_id
   GROUP BY r.name), 
t2 AS (
   SELECT MAX(total_amt)
   FROM t1)
SELECT r.name, COUNT(o.total) total_orders
FROM sales_reps s
JOIN accounts a
ON a.sales_rep_id = s.id
JOIN orders o
ON o.account_id = a.id
JOIN region r
ON r.id = s.region_id
GROUP BY r.name
HAVING SUM(o.total_amt_usd) = (SELECT * FROM t2)

3.对于购买标准纸张数量 (standard_qty) 最多的客户（在作为客户的整个时期内），有多少客户的购买总数依然更多？

SELECT a.name
  FROM orders o
  JOIN accounts a
    ON a.id = o.account_id
GROUP BY 1 
HAVING SUM(o.total) > (SELECT a.name
                         FROM (SELECT a.name,
                                      SUM(o.standard_qty) standard,
                                      SUM(o.total) total
                                 FROM orders o
                                 JOIN accounts a
                                   ON o.account_id = a.id
                               GROUP BY 1
                               ORDER BY 2 DESC
                                LIMIT 1) sub)

sub子查询代表的是标准纸张数量 (standard_qty) 最多的客户, 
使其和所有客户的所有订单数进行比较, 也就是HAVING语句.

方案二

WITH t1 AS (
  SELECT a.name account_name, SUM(o.standard_qty) total_std, SUM(o.total) total
  FROM accounts a
  JOIN orders o
  ON o.account_id = a.id
  GROUP BY 1
  ORDER BY 2 DESC
  LIMIT 1), 
t2 AS (
  SELECT a.name
  FROM orders o
  JOIN accounts a
  ON a.id = o.account_id
  GROUP BY 1
  HAVING SUM(o.total) > (SELECT total FROM t1))
SELECT COUNT(*)
FROM t2;

4.对于（在作为客户的整个时期内）总消费 (total_amt_usd) 最多的客户，他们在每个渠道上有多少 web_events？

SELECT a.name, w.channel, COUNT(*)
FROM accounts a
JOIN web_events w
ON a.id = w.account_id AND a.id =  (SELECT id
                     FROM (SELECT a.id, a.name, SUM(o.total_amt_usd) tot_spent
                           FROM orders o
                           JOIN accounts a
                           ON a.id = o.account_id
                           GROUP BY a.id, a.name
                           ORDER BY 3 DESC
                           LIMIT 1) inner_table)
GROUP BY 1, 2
ORDER BY 3 DESC;

方案二

WITH t1 AS (
   SELECT a.id, a.name, SUM(o.total_amt_usd) tot_spent
   FROM orders o
   JOIN accounts a
   ON a.id = o.account_id
   GROUP BY a.id, a.name
   ORDER BY 3 DESC
   LIMIT 1)
SELECT a.name, w.channel, COUNT(*)
FROM accounts a
JOIN web_events w
ON a.id = w.account_id AND a.id =  (SELECT id FROM t1)
GROUP BY 1, 2
ORDER BY 3 DESC;

5.对于总消费前十名的客户，他们的平均终身消费 (total_amt_usd) 是多少?

SELECT AVG(tot_spent)
FROM (SELECT a.id, a.name, SUM(o.total_amt_usd) tot_spent
      FROM orders o
      JOIN accounts a
      ON a.id = o.account_id
      GROUP BY a.id, a.name
      ORDER BY 3 DESC
       LIMIT 10) temp;

方案二

WITH t1 AS (
   SELECT a.id, a.name, SUM(o.total_amt_usd) tot_spent
   FROM orders o
   JOIN accounts a
   ON a.id = o.account_id
   GROUP BY a.id, a.name
   ORDER BY 3 DESC
   LIMIT 10)
SELECT AVG(tot_spent)
FROM t1;

6.比所有客户的平均消费高的企业平均终身消费 (total_amt_usd) 是多少？

SELECT AVG(avg_amt)
FROM (SELECT o.account_id, AVG(o.total_amt_usd) avg_amt
    FROM orders o
    GROUP BY 1
    HAVING AVG(o.total_amt_usd) > (SELECT AVG(o.total_amt_usd) avg_all
                               FROM orders o
                               JOIN accounts a
                               ON a.id = o.account_id)) temp_table;

方案二

WITH t1 AS (
   SELECT AVG(o.total_amt_usd) avg_all
   FROM orders o
   JOIN accounts a
   ON a.id = o.account_id),
t2 AS (
   SELECT o.account_id, AVG(o.total_amt_usd) avg_amt
   FROM orders o
   GROUP BY 1
   HAVING AVG(o.total_amt_usd) > (SELECT * FROM t1))
SELECT AVG(avg_amt)
FROM t2;

相关文章

网友评论

    本文标题：SQL for Data Analysis - Lesson 4

    本文链接：https://www.haomeiwen.com/subject/wlyoiftx.html

    延伸阅读

    深度阅读

    • 您也可以注册成为美文阅读网的作者，发表您的原创作品、分享您的心情！

    栏目导航

    热点阅读

    SQL

    关于我们|服务条款|联系我们|SQL for Data Analysis - Lesson 4|投稿指南|网站地图|RSS订阅|排版工具|手机版

    提供经典美文摘抄,优美散文欣赏,现代诗歌精选,短篇小说,心情随笔,表白情书范文,故事会在线阅读欣赏

    Copyright © 2014-2023 Haomeiwen.com All Rights Reserved. 好美文阅读网 版权所有

    备案信息：桂公网安备 45052102000051号 · 桂ICP备13007215号-3

    本站所收录作品、热点评论等信息部分来源互联网，目的只是为了系统归纳学习和传递资讯

    所有作品版权归原创作者所有，与本站立场无关，如不慎侵犯了你的权益，请联系我们告知，我们将做删除处理！