本文重点在于快速让读者对“SQL数据分析”有全面认识。其次，详解SQL部分关键词或函数，并用实操后的结果向大家展示SQL数据分析。

下面的框架图展示了本文的行文顺序，第（一）部分介绍SQL基本概念，第（二）到（十二）部分，讲解SQL关键词和业务场景。文章末尾处展现了完整的“SQL数据分析”框架图。

（一）基本介绍

1.1 SQL是啥?

一门查询数据库的编程语言。

1.2 SQL能操作谁？

SQL可操作关系型数据库，但不能操作非关系型数据库。关系型数据库可简单理解为由行和列组成的二维表。关系型数据库分为开源和收费两类，开源的数据库系统有MySQL、PostgreSQL, 收费有Oracle、SQL Server, DB2。以上系统尽管有不同的SQL语法，但大同小异，学会一种即可，本文选用MySQL。

1.3 SQL语句

通过SQL语句，可在数据库中查到想要的数据。SQL语句由三部分组成，关键字、表名、列名。

(二) SELECT语句

2.1 “*”号代表所有列

“*”号能选出表中所有的列。例如代码：SELECT * FROM Table， 此代码会选出Table表中所有的列。

2.2 DISTINCT 去重

DISTINCT关键词，能对表中一列或多列信息进行去重。以下图为例，DISTINCT 关键字对列名“product_type”去重，列中两个“办公”会变成去重后的一个“办公”，“服装”和“厨房”也有同样去重效果 。

2.3 ORDER BY 排序

ORDER BY 的作用是排序，可对一列或多列排序。下图展示了对两列同时进行排序的例子。

2.3.1两列排序

代码：“ORDER BY department,salary”，作用是先对department的各个部门排序，其次，基于已排序部门的基础上再对salary进行排序（默认升序）。

首先，对部门finance ，marketing，technology按照26个英文字母的升序进行排序，部门依次被排为finance第一，marketing第二，technology第三。其次，当同一部门出现多个员工时，再按照salary大小进行升序排序， 比如，部门的Joe、Sam、Jason被分别排为第一，第二，第三。详情见下图。

2.3.2业务场景

高铁买票时，会用到价格排序，出发时间、耗时长短；淘宝血拼时，会用到价格排序；大众点评找美食时，会用到距离优先、好评优先等。顾客在使用这些功能时，后台数据库用到的就是简单但强大的“ORDER BY”语句。

2.4LIMIT 限制行数

LIMIT关键词可限制查询行数。LIMIT用法有二。用法一，返回表的前X行；用法二，返回表的特定行。

2.4.1返回前X行

举例， LIMIT 5, 返回表的前5行。

2.4.2返回特定行

举例， LIMIT 5，10， 从第6行开始，返回10行。

2.5 语句执行顺序

数据库执行SQL代码的顺序不是按照抒写的顺序来执行，而是按照特点关键字的顺序来执行，执行顺序为：FROM->WHERE->GROUP BY ->HAVING ->SELECT ->ORDER

(三) 过滤数据

3.1 WHERE 过滤

3.1.1 大于小于

WHERE语句能选出特定范围的数据，分为三类：①大于，②小于，③大于且小于。以字段“price”为例对此三类进行解释。

WHERE price > 1000 能选出价格大于1000的数据；

WHERE price < 200 能选出价格小于200的数据；

WHERE 700 < price< 1000 能选出价格大于700且小于1000的数据。

实操效果见下图。

3.1.2 等于

WHERE语句能选出等于特定数值或文字的数据，比如，WHERE price = 388, 可选出价格为388的数据；再比如，WHERE hotel =‘希尔顿’能选出酒店为“希尔顿”的数据。见下图。

3.1.3 业务场景

京东、淘宝、天猫、携程的官网和APP，均提供“价格区间”和“品牌筛选”的功能，背后的代码就是WHERE语句。

3.2 BETWEEN过滤

WHERE BETWEEN也能筛出特定区间的数值，例如， WHERE price BETWEEN700 AND 1000, 能筛出价格从700到1000的数据, 功能类似于“WHERE 大于且小于”。

3.3 IN 或 NOT IN过滤

WHERE IN 也可筛选数据，例如字段“capital_flows”（资金流向的意思）的数值可以是各个行业，WHERE IN 语句能把“capital_flows”的行业限定在‘房地产’和‘证券’行业，代码见下图。

业务场景：近些年“房地产”和“证券”成为银保监会重点关注的行业，在银保监会大量的EAST报送数据中（EAST系统可简单理解为检查各家银行数据的系统），如何迅速找到资金流到“房地产”和“证券”的数据呢？当属WHERE IN 语句。

3.4 NULL 过滤

WHERE IS NULL 语句能从数据中快速筛选出数据为空值的记录，代码和实操效果见下图。

业务场景：银保监会要求各家银行提供的EAST报送数据不能为空值。例如，客户的“社会信用代码”，“贷款流向行业”不能为空。WHERE IS NULL语句能快速找出数据为空值的记录。

3.4 通配符过滤

通配符（“%”或“_”） 能搭配数据中的任何字符， 达到筛选数据的效果。

3.4.1 %百分号

%百分号 代表0到多个任意字符。举例，代码LIKE “天安门%” 会找到只有“天安门”这三个字和“天安门”后面有其他文字的数据，详情见3.4.2图。

3.4.2 _下划线

_下划线 能代表1个任意字符。LIKE '天安门_' 会找到“天安门”后面有一个文字的数据，比如“天安门东”。详情见下图。

3.5 正则表达式

正则表达式是由各种符号组成的搜索模式，相比“通配符”正则表达式更加精确。下列符号能组成各种正则表达式，但种类繁多且抽象，大家感受一下即可。

3.6 多条件过滤

WHERE语句中，AND和OR能把两个或多个条件结合起来。AND: 如果第一个条件和第二个条件都成立，则显示一条记录；OR如果第一个条件和第二个条件只要有一个成立，则显示一条记录。

（四）处理字段

4.1 拼接字段

CONCAT函数能把多个字段拼接起来，例如下图，concat函数能把company和country两个字段拼接在一起，具体代码见文章末尾处的框架图。

4.2 计算字段

字段之间可做加减乘除运算，例如下图展示了，price字段 与 quantity字段相乘得出新的字段，计算结果如下图。

（五）处理数据

处理数据分为三类：处理文本，处理时间，处理数值。对应的三类函数分别为“文本处理函数”，“时间处理函数“，“数值处理函数”。

5.1 文本处理函数

以下是对各个文本处理函数的总结，第一列和第四列是分别是函数名称和相应的解释；第二列和第三列分别是例子和返回的结果。

5.2 时间处理函数

下图是对时间处理函数的总结和解释。

5.3 数值处理函数

下图是对数值处理函数的总结和说明。

（六）聚合函数

常用的聚合函数有以下五种，详情见下图。

“计数函数”, 例如COUNT(price)，对price列的行数进行计数。

“平均值函数”，例如AVG(price),对price列求平均值。

“求和函数”，例如SUM(price),对price列中所有值进行求和。

“最大值函数”，例如MAX(price)，找出price列中的最大值。

“最小值函数”，例如MIN（price），找出price列中的最小值。

（七）分组数据

GROUP BY关键词可对数据进行分组，HAVING可对分组后的数据进行过滤。举例，GROUP BY将列"bedrooms”中数量为2、3、4的数据各分为一组；HAVING 又能把数量大于2的分组后数据筛选出来。若觉得抽象，请参考下图。

（八）CASE WHEN 搜索

CASE WHEN搜索语句是一种条件表达式，可实现对定量数据的定性描述。举例，可将两个卧室描述为“小”，三个卧室描述为“适中”，四个卧室描述为“大”, 请参考下图。

（九）窗口函数

窗口函数可分为“聚合函数的窗口函数”和“专用窗口函数”。基本语法：<窗口函数> OVER ( [PARTITION BY <>]ORDER BY <>)

9.1 聚合函数的窗口函数

实操效果和关键词详见下图。

9.2 专用窗口函数

RANK函数会出现相同排序，和“跳序”

DENSE_RANK函数，会出现相同排序，但无“跳序”

ROW_NUMBER函数，不存在重复的排序。

（十）子查询

子查询是嵌套在主查询中的查询，可以简单理解为在SELECT语句中又嵌套一个SELECT语句。理论上，子查询可嵌套在各个位置，但在实际工作中，主要嵌套在SELECT、WHERE、HAVING等关键词后面。

（十一）多表连接

一张表往往难以查询到需要的所有字段，多表连接可以同时查询多个表的字段，把不同表中的字段进行横向拼接，以满足在多表中各个字段的查询。多表连接主要分为内连接、左连接、右连接、全连接、交叉连接。

以左连接为例，Product表为左表，连接Price表，关联字段为product_id。返回结果：保留左表product表的所有数据，并保留Price表中product_id 为1和3的数据，详情见下图。

（十二）组合查询

组合查询可实现多个SELECT语句的同时查询，并将查询结果作为单个结果集返回。关键词“UNION”可对结果集进行去重，“UNION ALL”不能对结果集进行去重。

（十三）结束语及完整框架图

本文已对“SQL数据分析”进行梳理，并对某些关键词和语句进行了详解。笔者梳理出“SQL数据分析”的完整框架图送给大家，希望对你们有帮助。

团队介绍：我们是毕马威旗下的专业数据挖掘团队，微信公众号（kpmgbigdata）每周六晚8点准时推送一篇原创数据科学文章。我们的作品都由项目经验丰富的博士或资深顾问精心准备，分享结合实际业务的理论应用和心得体会。欢迎大家关注我们的微信公众号，关注原创数据挖掘精品文章；您也可以在公众号中直接发送想说的话，与我们联系交流。