SQL，發(fā)音為“ sequel”(或SQL，如果愿意的話)，是數(shù)據(jù)科學家的重要工具。實際上，它可以說是獲取數(shù)據(jù)工作中最重要的語言。在共享單車數(shù)據(jù)分析的SQL設(shè)計中，我們將從入門者的角度深入研究SQL基礎(chǔ)知識，以使您入門并掌握這一關(guān)鍵技能。

　　讓我們從回答一個簡單的問題開始：

　　什么是SQL?

　　SQL代表結(jié)構(gòu)化查詢語言。查詢語言是一種編程語言，旨在促進從數(shù)據(jù)庫中檢索特定信息，而這正是SQL所做的。簡而言之，SQL是數(shù)據(jù)庫的語言。

　　這很重要，因為大多數(shù)公司將其數(shù)據(jù)存儲在數(shù)據(jù)庫中。盡管數(shù)據(jù)庫類型很多(例如MySQL，PostgreSQL，Microsoft SQL Server)，但是大多數(shù)數(shù)據(jù)庫都使用SQL，因此一旦掌握了SQL基礎(chǔ)知識，便可以使用其中的任何一個。

　　即使您打算使用Python之類的另一種語言進行分析，在大多數(shù)公司中，您仍可能需要使用SQL從公司的數(shù)據(jù)庫中檢索所需的數(shù)據(jù)。在撰寫共享單車數(shù)據(jù)分析的SQL設(shè)計時，僅在美國，Indeed上就列出了80,000多個SQL作業(yè)。

　　因此，讓我們開始學習SQL!

　　(如果您希望通過瀏覽器進行交互學習，編寫和運行SQL查詢，則應查看我們的SQL基礎(chǔ)課程，該課程免費)

　　為了避免廣告的嫌疑，我們選擇國外的一個共享單車來舉例子，在共享單車數(shù)據(jù)分析的SQL設(shè)計中，我們將使用自行車共享服務Hubway的數(shù)據(jù)集，其中包括使用該服務進行的超過150萬次旅行的數(shù)據(jù)。

　　在開始用SQL編寫我們自己的一些查詢之前，我們將首先看一下數(shù)據(jù)庫，它們是什么以及為什么使用它們。

　　如果您想繼續(xù)，可以在這里下載hubway.db文件(130 MB)。

　　SQL基礎(chǔ)：關(guān)系數(shù)據(jù)庫

　　關(guān)系數(shù)據(jù)庫是一種數(shù)據(jù)庫，該數(shù)據(jù)庫存儲跨多個表的相關(guān)信息，并允許您同時查詢多個表中的信息。

　　通過思考一個例子，更容易理解它是如何工作的。假設(shè)您是一家企業(yè)，并且想要跟蹤銷售信息。您可以在Excel中設(shè)置一個電子表格，在其中您要跟蹤的所有信息都以單獨的列顯示：訂單號，日期，到期金額，裝運跟蹤號，客戶名，客戶地址和客戶電話號碼。

　　此設(shè)置可以很好地跟蹤所需的信息，但是當您開始從同一位客戶那里獲得重復訂單時，您會發(fā)現(xiàn)他們的姓名，地址和電話號碼存儲在電子表格的多行中。

　　隨著業(yè)務的增長和要跟蹤的訂單數(shù)量的增加，這些冗余數(shù)據(jù)將占用不必要的空間，并通常會降低銷售跟蹤系統(tǒng)的效率。您可能還會遇到數(shù)據(jù)完整性問題。例如，不能保證每個字段都將填充正確的數(shù)據(jù)類型，或者每次都以完全相同的方式輸入名稱和地址。

　　與上圖中的關(guān)系數(shù)據(jù)庫一樣，使用關(guān)系數(shù)據(jù)庫可以避免所有這些問題。您可以設(shè)置兩個表，一個用于訂單，一個用于客戶。“客戶”表將包括每個客戶的唯一ID號，以及我們已經(jīng)跟蹤的姓名，地址和電話號碼。“訂單”表將包括您的訂單號，日期，應付金額，跟蹤號，并且在每個客戶數(shù)據(jù)項中沒有一個單獨的字段，而是一個客戶ID列。

　　這使我們能夠提取任何給定訂單的所有客戶信息，但是我們只需要在數(shù)據(jù)庫中存儲一次即可，而不必為每個訂單再次列出它。

　　我們的數(shù)據(jù)集

　　讓我們開始看看我們的數(shù)據(jù)庫。該數(shù)據(jù)庫有兩個表，trips和stations。首先，我們只看trips表。它包含以下列：

　　1)id —用作每次旅行的參考的唯一整數(shù)

　　2)duration —行程時間，以秒為單位

　　3)start_date —旅行開始的日期和時間

　　4)start_station—一個整數(shù)，與該行開始于的車站的表中的id列相對應stations

　　5)end_date —旅行結(jié)束的日期和時間

　　6)end_station —行程終點站的“ id”

　　7)bike_number —旅途中所用自行車的Hubway唯一標識符

　　8)sub_type—用戶的訂閱類型。"Registered"對于具有成員資格"Casual"的用戶，對于沒有成員資格的用戶

　　9)zip_code —用戶的郵政編碼(僅適用于注冊會員)

　　10)birth_date —用戶的出生年份(僅適用于注冊會員)

　　11)gender —用戶的性別(僅適用于注冊會員)

　　我們的分析

　　有了這些信息和我們將很快學習的SQL命令，以下是我們在共享單車數(shù)據(jù)分析的SQL設(shè)計中將嘗試回答的一些問題：

　　1)最長旅行的持續(xù)時間是多少?

　　2)“注冊”用戶進行了多少次旅行?

　　3)平均旅行時間是多少?

　　4)注冊用戶或臨時用戶旅行更長嗎?

　　5)大多數(shù)旅行中使用哪輛自行車?

　　6)30歲以上的用戶平均旅行時間是多少?

　　我們將用來回答這些問題的SQL命令是：

　　1)SELECT

　　2)WHERE

　　3)LIMIT

　　4)ORDER BY

　　5)GROUP BY

　　6)AND

　　7)OR

　　8)MIN

　　9)MAX

　　10)AVG

　　11)SUM

　　12)COUNT

　　安裝與設(shè)定

　　就共享單車數(shù)據(jù)分析的SQL設(shè)計而言，我們將使用一個名為SQLite3的數(shù)據(jù)庫系統(tǒng)。從2.5版開始，SQLite已經(jīng)成為Python的一部分，因此，如果您安裝了Python，則幾乎肯定也會安裝SQLite。如果尚未安裝Python和SQLite3庫，則可以使用Anaconda輕松進行安裝和設(shè)置。

　　使用Python運行我們的SQL代碼可以使我們將結(jié)果導入到Pandas數(shù)據(jù)框中，從而更易于以易于閱讀的格式顯示結(jié)果。這也意味著我們可以對從數(shù)據(jù)庫中提取的數(shù)據(jù)進行進一步的分析和可視化，盡管這超出了共享單車數(shù)據(jù)分析的SQL設(shè)計的范圍。

　　另外，如果我們不想使用或安裝Python，則可以從命令行運行SQLite3。只需從SQLite3網(wǎng)頁下載“預編譯的二進制文件”，然后使用以下代碼打開數(shù)據(jù)庫：

　　在這里，我們只需鍵入要運行的查詢，我們將在終端窗口中看到返回的數(shù)據(jù)。

　　使用終端的另一種方法是通過Python連接到SQLite數(shù)據(jù)庫。這將使我們能夠使用Jupyter筆記本，以便我們可以在格式整齊的表中查看查詢的結(jié)果。

　　為此，我們將定義一個函數(shù)，該函數(shù)將查詢(存儲為字符串)作為輸入并將結(jié)果顯示為格式化的數(shù)據(jù)框：

　　當然，我們不必在SQL中使用Python。如果您已經(jīng)是R程序員，那么我們的R用戶SQL基礎(chǔ)知識課程將是一個不錯的起點。

　　選擇

　　我們將使用的第一個命令是SELECT。SELECT將幾乎是我們編寫的每個查詢的基礎(chǔ)-它告訴數(shù)據(jù)庫我們要查看哪些列。我們既可以按名稱指定列(用逗號分隔)，也可以使用通配符*返回表中的每一列。

　　除了要檢索的列之外，我們還必須告訴數(shù)據(jù)庫從哪個表獲取它們。為此，我們使用關(guān)鍵字，FROM后跟表名。例如，如果我們想看到的start_date，并bike_number在每行trips表中，我們可以使用下面的查詢：

　　在此示例中，我們從SELECT命令開始，以便數(shù)據(jù)庫知道我們希望它為我們找到一些數(shù)據(jù)。然后，我們告訴數(shù)據(jù)庫我們對start_date和bike_number列感興趣。最后，我們過去FROM使數(shù)據(jù)庫知道我們要查看的列是trips表的一部分。

　　編寫SQL查詢時要意識到的重要一件事是，我們希望每個查詢都以分號(;)結(jié)尾。并非每個SQL數(shù)據(jù)庫實際上都需要這樣做，但是有些確實需要，所以最好養(yǎng)成這種習慣。

　　限制

　　開始在Hubway數(shù)據(jù)庫上運行查詢之前，我們需要知道的下一個命令是LIMIT。LIMIT只是告訴數(shù)據(jù)庫您希望它返回多少行。

　　SELECT我們在上一節(jié)中查看的查詢將為表中的每一行返回所請求的信息trips，但是有時這可能意味著大量數(shù)據(jù)。我們可能不想要所有這些。相反，如果我們想看到的start_date，并bike_number在數(shù)據(jù)庫中的第一個五年的旅行，我們可以添加LIMIT到我們的查詢，如下所示：

　　我們僅添加了LIMIT命令，然后添加了一個數(shù)字，該數(shù)字表示我們要返回的行數(shù)。在本例中，我們使用5，但您可以將其替換為任何數(shù)字，以獲取正在處理的項目的適當數(shù)據(jù)量。

　　LIMIT在共享單車數(shù)據(jù)分析的SQL設(shè)計中，我們將在Hubway數(shù)據(jù)庫中的查詢中使用很多–該trips表包含超過150萬行數(shù)據(jù)，我們當然不需要顯示所有數(shù)據(jù)!

　　讓我們在Hubway數(shù)據(jù)庫上運行第一個查詢。首先，我們將查詢存儲為字符串，然后使用我們先前定義的函數(shù)在數(shù)據(jù)庫上運行它。看下面的例子：

　　該查詢*用作通配符，而不是指定要返回的列。這意味著該SELECT命令已為我們提供了trips表中的每一列。我們還使用該LIMIT函數(shù)將輸出限制為表的前五行。

　　您會經(jīng)常看到人們在查詢中使用大寫的逗號(這是我們在共享單車數(shù)據(jù)分析的SQL設(shè)計中將遵循的約定)，但這主要是優(yōu)先考慮的問題。大寫字母使代碼更易于閱讀，但實際上絲毫不影響代碼的功能。如果您希望使用小寫命令編寫查詢，則查詢?nèi)詫⒄_執(zhí)行。

　　我們前面的示例返回trips表中的每一列。如果只對duration和start_date列感興趣，則可以按如下所示用列名替換通配符：

　　訂購

　　在回答第一個問題之前，我們需要知道的最終命令是ORDER BY。此命令使我們可以對給定列上的數(shù)據(jù)庫進行排序。

　　要使用它，我們只需指定要排序的列的名稱。默認情況下，ORDER BY按升序排序。如果我們想指定數(shù)據(jù)庫應該排序的順序，我們可以添加關(guān)鍵字ASC以升序或DESC降序。

　　例如，如果我們想將trips表從最短duration到最長排序，我們可以在查詢中添加以下行：

　　有了SELECT，LIMIT和ORDER BY命令之后，我們現(xiàn)在可以嘗試回答第一個問題：最長旅行的持續(xù)時間是多少?

　　要回答這個問題，將其分為幾個部分并確定我們需要解決每個部分的命令會很有幫助。

　　首先，我們需要從表的duration列中提取信息trips。然后，要找出最長的行程，我們可以duration按降序?qū)α羞M行排序。我們可能會通過以下方式提出一個查詢，該查詢將獲取我們正在尋找的信息：

　　1)使用SELECT檢索duration列FROM的trips表

　　2)使用ORDER BY排序的duration列，并使用DESC關(guān)鍵字來指定要在降序排序

　　3)用于LIMIT將輸出限制為1行

　　以這種方式使用這些命令將返回持續(xù)時間最長的單行，這將為我們提供問題的答案。

　　需要注意的另一件事-隨著查詢添加更多命令并變得更加復雜，如果將它們分成多行，您可能會更容易閱讀。就像大寫一樣，這是個人喜好問題。它不會影響代碼的運行方式(系統(tǒng)只是從頭開始讀取代碼，直到到達分號為止)，但它可以使您的查詢更清晰，更易于理解。在Python中，我們可以使用三引號將字符串分隔為多行。

　　讓我們繼續(xù)運行此查詢，找出最長的旅程持續(xù)了多長時間。

　　現(xiàn)在我們知道最長的旅程持續(xù)了9999秒，或者說是166分鐘多一點。但是，最大值為9999時，我們不知道這是否真的是最長行程的長度，或者數(shù)據(jù)庫是否僅設(shè)置為允許四位數(shù)的數(shù)字。

　　如果確實由數(shù)據(jù)庫縮短了特別長的行程，那么我們可能期望在9999秒處看到很多行程，它們達到了極限。讓我們嘗試運行與之前相同的查詢，但是將調(diào)整LIMIT為返回10個最長持續(xù)時間，以查看是否為這種情況：

　　我們在這里看到的是，在9999年并沒有一整趟旅行，因此看起來我們并沒有切斷持續(xù)時間的高端，但是仍然很難判斷這是否是真正的行程跳閘或最大允許值。

　　Hubway會為30分鐘以上的騎行收取額外費用(某人保持9999秒的自行車將不得不支付25美元的額外費用)，因此他們認為4位數(shù)字足以追蹤大多數(shù)騎行是合理的。

　　哪里

　　前面的命令非常適合提取特定列的排序信息，但是如果我們要查看數(shù)據(jù)的特定子集，該怎么辦?就是這樣WHERE。WHERE命令允許我們使用邏輯運算符指定應返回的行。例如，您可以使用以下命令返回bike的每次旅行B00400：

　　您還會注意到，我們在此查詢中使用引號。那是因為bike_number儲存為字串。如果該列包含數(shù)字數(shù)據(jù)類型，則不需要引號。

　　讓我們編寫一個查詢，該查詢WHERE用于返回trips表中每一行的每一列，這些查詢的duration時間超過9990秒：

　　如我們所見，此查詢返回了14個不同的行程，每個行程持續(xù)9990秒或更長。關(guān)于此查詢的突出之處是，除一個結(jié)果外，所有結(jié)果都具有sub_type的"Casual"。也許這表明"Registered"用戶更了解長途旅行的額外費用。也許Hubway可以更好地向休閑用戶傳達其價格結(jié)構(gòu)，以幫助他們避免超額收費。

　　我們已經(jīng)知道，即使是SQL的初學者級命令也可以如何幫助我們回答業(yè)務問題并在數(shù)據(jù)中尋找見解。

　　返回到WHERE，我們也可以WHERE使用AND或在子句中組合多個邏輯測試OR。例如，如果在我們之前的查詢中，共享單車數(shù)據(jù)分析的SQL數(shù)據(jù)庫設(shè)計https://www.aaa-cg.com.cn/data/2586.html我們只想返回duration超過9990秒的行程，并且還具有已sub_type注冊的行程，則可以AND用來指定這兩個條件。

　　這是另一個個人喜好建議：使用括號分隔每個邏輯測試，如下面的代碼塊所示。這不是代碼正常運行所必需的，但是括號會隨著您增加復雜性而使您的查詢更容易理解。

　　現(xiàn)在運行該查詢。我們已經(jīng)知道它只能返回一個結(jié)果，因此應該容易檢查我們是否正確：

　　我們在帖子開頭提出的下一個問題是“'注冊'用戶進行了多少次旅行?” 為了回答這個問題，我們可以運行與上面相同的查詢，并修改WHERE表達式以返回sub_type等于的所有行，'Registered'然后對它們進行遞增計數(shù)。

　　但是，SQL實際上有一個內(nèi)置命令來為我們進行計數(shù)COUNT。

　　COUNT使我們可以將計算轉(zhuǎn)移到數(shù)據(jù)庫，從而省去了編寫額外腳本來計算結(jié)果的麻煩。要使用它，我們只需要添加(COUNT(column_name)而不是添加)您想要的列即可SELECT，如下所示：

　　在這種情況下，我們選擇對哪一列進行計數(shù)都沒有關(guān)系，因為每一列都應該有查詢中每一行的數(shù)據(jù)。但是有時查詢可能缺少某些行的值(或“空”)。如果不確定一列是否包含空值，則可以COUNT在該id列上運行-該id列永遠不會為空，因此我們可以確保計數(shù)不會遺漏任何內(nèi)容。

　　我們還可以使用COUNT(1)或COUNT(*)來計數(shù)查詢中的每一行。值得注意的是，有時我們實際上可能想COUNT在具有空值的列上運行。例如，我們可能想知道數(shù)據(jù)庫中有多少行缺少一列的值。

　　讓我們看一個查詢來回答我們的問題。我們可以SELECT COUNT(*)用來計算返回的總行數(shù)，并WHERE sub_type = "Registered"確保只計算注冊用戶的旅行次數(shù)。

　　該查詢有效，并且已返回我們問題的答案。但是列標題不是特別描述性的。如果其他人看這張桌子，他們將無法理解它的含義。如果我們想使結(jié)果更具可讀性，可以使用AS別名(或昵稱)作為輸出。讓我們重新運行上一個查詢，但給我們的列標題加上別名Total Trips by Registered Users：

　　匯總功能

　　COUNT這不是SQL掌握的唯一數(shù)學技巧。我們也可以使用SUM，AVG，MIN和MAX分別返回列的求和，平均值，最小值和最大值。這些與COUNT一起被稱為集合函數(shù)。

　　因此，要回答我們的第三個問題，“平均旅行持續(xù)時間是多少?” ，我們可以使用列AVG上的函數(shù)duration(再次使用AS，為輸出列起一個更具描述性的名稱)：

　　事實證明，平均旅行持續(xù)時間是912秒，大約是15分鐘。這是有道理的，因為我們知道Hubway會對30分鐘以上的行程收取額外費用。該服務是為騎手短途單程旅行而設(shè)計的。

　　接下來的問題是，注冊用戶或臨時用戶旅行更長的時間呢?我們已經(jīng)知道一種解決此問題的方法-我們可以SELECT AVG(duration) FROM trips使用WHERE子句運行兩個查詢，這些子句將一個限制到"Registered"一個，一個限制到"Casual"用戶。

　　不過，讓我們以不同的方式來做。SQL還包括使用GROUP BY命令在單個查詢中回答此問題的方法。

　　通過...分組

　　GROUP BY 根據(jù)特定列的內(nèi)容將行分為幾組，并允許我們在每個組上執(zhí)行聚合函數(shù)。

　　為了更好地了解其工作原理，讓我們看一下該gender專欄。每行可以有三個可能的值一個gender列，"Male"，"Female"或Null(丟失;我們沒有g(shù)ender對普通用戶的數(shù)據(jù))。

　　當使用時GROUP BY，數(shù)據(jù)庫將根據(jù)gender列中的值將每一行分成不同的組，就像我們將一副紙牌分成不同的花色一樣。我們可以想象制造兩堆，所有雄性之一，所有雌性之一。

　　一旦我們擁有兩個獨立的堆，數(shù)據(jù)庫將依次對它們中的每一個執(zhí)行查詢中的任何聚合函數(shù)。COUNT例如，如果使用，則查詢將計算每個堆中的行數(shù)，并分別返回每個堆的值。

　　讓我們詳細介紹如何編寫查詢來回答我們的問題，即注冊用戶或臨時用戶是否需要更長的行程。

　　1)與到目前為止的每個查詢一樣，我們將從SELECT告訴數(shù)據(jù)庫想要查看哪些信息開始。在這種情況下，我們需要sub_type和AVG(duration)。

　　2)我們還將包括GROUP BY sub_type按訂閱類型分離數(shù)據(jù)，并分別計算注冊用戶和臨時用戶的平均值。

　　當我們將它們放在一起時，代碼如下所示：

　　完全不同!平均而言，注冊用戶的出行時間約為11分鐘，而休閑用戶每次出行的時間則接近25分鐘。注冊用戶可能會進行更短，更頻繁的旅行，這可能是他們上下班的一部分。另一方面，休閑用戶每次旅行花費的時間大約是兩倍。

　　休閑用戶可能來自人口統(tǒng)計學(例如旅游者)，他們更傾向于長途旅行，以確保他們四處逛逛并看到所有景點。一旦我們發(fā)現(xiàn)了數(shù)據(jù)的差異，公司便可以通過多種方式對其進行調(diào)查，以更好地了解造成這種情況的原因。

　　但是，出于共享單車數(shù)據(jù)分析的SQL設(shè)計的目的，讓我們繼續(xù)。我們的下一個問題是旅行次數(shù)最多的是哪輛自行車?我們可以使用非常相似的查詢來回答這個問題。看下面的示例，看看是否可以弄清楚每行的內(nèi)容-我們將逐步進行操作，以便檢查是否正確：

　　從輸出中可以看到，自行車B00490出行最多。讓我們來看看如何到達那里：

　　1)第一行是一個SELECT子句，告訴數(shù)據(jù)庫我們要查看bike_number列和每行的計數(shù)。它還AS用于告訴數(shù)據(jù)庫以更有用的名稱顯示每一列。

　　2)第二行用于FROM指定我們要查找的數(shù)據(jù)在trips表中。

　　3)第三行是開始有些棘手的地方。我們GROUP BY用來告訴第COUNT1行的函數(shù)分別計算每個值bike_number。

　　4)在第四行，我們有一個ORDER BY子句對表格進行降序排序，并確保最常用的自行車在頂部。

　　5)最后，我們LIMIT將輸出限制為第一行，因為我們?nèi)绾螌Φ谒男械臄?shù)據(jù)進行排序，所以我們知道這將是旅行次數(shù)最多的自行車。

　　算術(shù)運算符

　　我們的最后一個問題比其他問題更加棘手。我們想知道30歲以上注冊會員的平均旅行時間。

　　我們可以算出30歲以下的人出生的那一年，然后再插入，但是一個更優(yōu)雅的解決方案是直接在查詢中使用算術(shù)運算。SQL允許我們使用+，-，*和/在一次對整個列執(zhí)行運算。

　　加入

　　到目前為止，我們一直在研究僅從trips表中提取數(shù)據(jù)的查詢。但是，SQL之所以如此強大是因為它使我們能夠從同一查詢中的多個表中提取數(shù)據(jù)。

　　我們的自行車共享數(shù)據(jù)庫包含第二個表stations。該stations表包含有關(guān)Hubway網(wǎng)絡(luò)中每個站點的信息，并包括id該trips表引用的列。

　　不過，在開始研究該數(shù)據(jù)庫中的一些實際示例之前，讓我們回顧一下較早的假設(shè)訂單跟蹤數(shù)據(jù)庫。在該數(shù)據(jù)庫中，我們有兩個表orders和customers，它們通過customer_id列連接。

　　假設(shè)我們要編寫一個查詢，該查詢返回數(shù)據(jù)庫中的每個訂單的order_number和name。如果它們都存儲在同一個表中，則可以使用以下查詢：

　　不幸的是，order_number列和name列存儲在兩個不同的表中，因此我們必須添加一些額外的步驟。讓我們花一點時間考慮一下數(shù)據(jù)庫在返回所需信息之前需要了解的其他事項：

　　1)該order_number列在哪個表中?

　　2)該name列在哪個表中?

　　3)orders表中的信息如何與表中的信息連接customers?

　　要回答這些問題中的前兩個，我們可以在SELECT命令中包括每列的表名。我們這樣做的方法就是簡單地寫一個表名和列名，用.。分隔。例如，代替SELECT order_number, name我們會寫SELECT orders.order_number, customers.name。在此處添加表名稱可以通過告訴數(shù)據(jù)庫要查找的表來幫助數(shù)據(jù)庫查找我們要查找的列。

　　為了告訴數(shù)據(jù)庫orders和customers表如何連接，我們使用JOIN和ON。JOIN指定應該連接的表，并ON指定每個表中的哪些列相關(guān)。

　　我們將使用內(nèi)部聯(lián)接，這意味著將僅在中指定的列匹配的地方返回行ON。在此示例中，我們將要JOIN在FROM命令中未包含的任何表上使用。因此，我們可以使用FROM orders INNER JOIN customers或FROM customers INNER JOIN orders。

　　如前所述，這些表連接customer_id在每個表的列上。因此，我們將要用來ON告訴數(shù)據(jù)庫，這兩列引用的是這樣的東西：

　　我們再次使用.來確保數(shù)據(jù)庫知道這些列中的每一個都在哪個表中。因此，當我們將所有這些放在一起時，我們得到的查詢?nèi)缦滤?#xff1a;

　　該查詢將返回數(shù)據(jù)庫中每個訂單的訂單號以及與每個訂單相關(guān)聯(lián)的客戶名稱。

　　回到我們的Hubway數(shù)據(jù)庫，我們現(xiàn)在可以編寫一些查詢以JOIN進行實際操作。

　　在開始之前，我們應該看一下表中的其余列stations。這是一個查詢，向我們顯示了前5行，因此我們可以看到stations表的外觀：

　　1)id—每個工作站的唯一標識符(對應于表中的start_station和end_station列trips)

　　2)station —站名

　　3)municipality —車站所在的城市(波士頓，布魯克林，劍橋或薩默維爾)

　　4)lat —車站的緯度

　　5)lng —車站的經(jīng)度

　　6)哪些車站最經(jīng)常往返?

　　7)在不同的城市中有多少次旅行開始和結(jié)束?

　　與以前一樣，我們將嘗試回答數(shù)據(jù)中的一些問題，從哪個站是最頻繁的起點開始?讓我們逐步進行操作：

　　1)首先，我們要使用SELECT返回表中的station列stations和COUNT行數(shù)。

　　2)接下來，我們指定我們想要的表JOIN并告訴數(shù)據(jù)庫連接它們ON的start_station列trips表和id列stations的表。

　　3)然后我們進入查詢的內(nèi)容-我們在表格中GROUP BY的station列，stations以便我們COUNT將分別計算每個車站的行程次數(shù)

　　4)最后，我們可以O(shè)RDER BY我們COUNT并LIMIT輸出到結(jié)果的管理的數(shù)量

　　如果您熟悉波士頓，您將了解為什么這些是最受歡迎的電臺。南站是該市主要的通勤火車站之一，查爾斯街沿河延伸，靠近一些風景優(yōu)美的路線，博伊爾斯頓和信標街就在市中心，靠近許多辦公大樓。

　　我們要看的下一個問題是往返最常用的車站是?我們可以使用與以前幾乎相同的查詢。我們將以相同的方式SELECT使用相同的輸出列和JOIN表，但是這次我們將添加一個WHERE子句以限制我們COUNT的行程start_station與相同end_station。

　　我們可以看到，這些站點的數(shù)量與上一個問題相同，但數(shù)量要低得多。最繁忙的站點仍然是最繁忙的站點，但是總體而言，較低的站點表明人們通常在使用Hubway自行車從A點到達B點，而不是在返回起點之前先騎自行車一會兒。

　　這里有一個明顯的不同-Esplande并不是我們第一個查詢中總體上最繁忙的車站之一，它似乎是往返行程中最繁忙的車站。為什么?好吧，一張圖片值一千個字。當然，這看起來像是騎自行車的好地方：

　　接下來的問題是：在不同的城市開始和結(jié)束多少次旅行?這個問題使事情更進一步。我們想知道在不同的地方開始和結(jié)束了多少次旅行municipality。為了實現(xiàn)這一目標，我們需要JOIN的trips表到stations表的兩倍。一旦ON該start_station列，然后ON在end_station列。

　　為此，我們必須為該stations表創(chuàng)建一個別名，以便能夠區(qū)分與關(guān)聯(lián)的start_station數(shù)據(jù)和與關(guān)聯(lián)的數(shù)據(jù)end_station。我們可以使用與為各個列創(chuàng)建別名以使其更直觀地顯示名稱的方式完全相同AS。

　　例如，我們可以使用下面的代碼JOIN的stations表到trips使用的“開始”別名表。然后，我們可以將“開始”與我們的列名稱結(jié)合使用，.以引用來自此特定對象的數(shù)據(jù)JOIN(而不是第二個，JOIN我們將處理ON該end_station列)：

　　這是我們運行最終查詢時的樣子。請注意，我們曾經(jīng)<>表示“不等于”，但!=也可以使用。

　　這表明，在150萬次旅行中，大約有300,000次(或20%)在與開始的城市不同的地方結(jié)束–進一步的證據(jù)表明，人們大多使用Hubway自行車進行相對較短的旅行，而不是在城鎮(zhèn)之間進行較長的旅行。

　　如果您已經(jīng)做到了，那么恭喜!您已經(jīng)開始掌握SQL的基礎(chǔ)知識。我們已經(jīng)討論了許多重要的命令，SELECT，LIMIT，WHERE，ORDER BY，GROUP BY和JOIN，以及骨料和算術(shù)功能。這些將為您繼續(xù)SQL之旅提供堅實的基礎(chǔ)。

　　下一步

　　在完成本入門SQL教程之后，您現(xiàn)在應該能夠找到自己感興趣的數(shù)據(jù)庫并編寫查詢以提取信息。好的第一步可能是繼續(xù)使用Hubway數(shù)據(jù)庫，以了解您還能找到什么。以下是您可能想嘗試回答的其他一些問題：

　　1)有多少趟旅程產(chǎn)生了額外的費用(持續(xù)時間超過30分鐘)?

　　2)哪輛自行車使用的時間最長?

　　3)注冊用戶或臨時用戶是否往返更多?

　　4)哪個城市的平均停留時間最長?

　　如果您想更進一步，請查看我們的交互式SQL課程，該課程涵蓋了您從入門到高級SQL所需的一切知識，適用于數(shù)據(jù)分析師和數(shù)據(jù)科學家的工作。在數(shù)據(jù)科學課程頁面上的SQL菜單下查找所有交互式SQL課程產(chǎn)品的完整列表。

相關(guān)推薦

大數(shù)據(jù)分析PyTorchx深度學習框架教程

大數(shù)據(jù)分析為什么學習R中的假設(shè)檢驗

大數(shù)據(jù)分析師的溝通技巧

大數(shù)據(jù)分析R為什么要學習SQL知識

總結(jié)

以上是生活随笔為你收集整理的sql date类型_共享单车数据分析的SQL数据库设计的全部內(nèi)容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網(wǎng)站內(nèi)容還不錯，歡迎將生活随笔推薦給好友。