数据分析师之快速掌握SQL基础

SQL技能是数据分析师的必备技能，作者在之前的文章《你不知道的数据分析师》中也提到了，数据分析师50%的时间都在写SQL。

本文将从一道数据分析师的SQL面试题开始分析讲解，期间，会涉及到SQL的基础操作和分析函数的使用等知识点，然后为大家总结出了一份快速掌握SQL基础的指南，希望能够帮助到SQL初学者。

一道SQL面试题

这是一道来自百度数据部门的面试题，主要考察row_number的使用。

题目：SQL语句如何查询各用户最长连续登录天数？如图左边是源表User,右边是需要达到的查询结果。

Step 1 审题

各用户最长的连续登录天数，先要确定连续登录的数据特征，日期表现为每个用户的后一天和前一天的差值为1，不能为大于1的值，一旦大于1也就间断了。那么可以设置一列序号，如果是连续的话，这列序号也是会随着日期同步增长的，那么日期减去这个序号，应该都是一个确定的日期。

比如说2017年1月1号对应的序号是1，2017年1月2号对应的序号是2，2017年1月3号对应的序号是3，那么2017年1月1号-1=2016年12月31号，同理，2017年1月2号-2=2016年12月31号，都是同样的日期。
根据这个日期与序号之差和UID进行分组统计出不同UID和差值的数量，最后按照UID分组统计出数量的最大值。具体流程见下图：

Step 2 创建表

CREATE TABLE IF NOT EXISTS loadrecord (
uid int,
loadtime string
) ;
INSERT INTO loadrecord (uid, loadtime) VALUES
(‘201’, ‘2017/1/1’),
(‘201’, ‘2017/1/2’),
(‘202’, ‘2017/1/2’),
(‘202’, ‘2017/1/3’),
(‘203’, ‘2017/1/3’),
(‘201’, ‘2017/1/4’),
(‘202’, ‘2017/1/4’),
(‘201’, ‘2017/1/5’),
(‘202’, ‘2017/1/5’),
(‘201’, ‘2017/1/6’),
(‘203’, ‘2017/1/6’),
(‘203’, ‘2017/1/7’);

Step 3 添加一列日期序号

select uid,loadtime,row_number() over (partition by uid order by loadtime) as row_num
from loadrecord;

结果如下图所示：

这里用到了row_number窗口分析函数，将每个用户按照登录日期升序进行编号。

Step 4 获得一个新日期

select uid,loadtime,row_number() over (partition by uid order by loadtime)asrow_num,date_sub(regexp_replace(loadtime,’/‘,’-‘),row_number() over (partition by uid order by loadtime)) as new_loadtime
from loadrecord

这里先用字符串函数regexp_replace将日期格式修改为”yyyy-MM-dd”格式，然后用date_sub函数将日期相减。

Step 5 第一次聚合

select uid,new_loadtime,count(uid) as new_loadtime_num
from
(
select uid,loadtime,row_number() over(partition by uid order by loadtime) as row_num,date_sub(regexp_replace(loadtime,’/‘,’-‘),row_number() over (partition by uid order by loadtime)) as new_loadtime
from loadrecord
) a
group by uid,new_loadtime

这里使用了count聚合函数和子查询操作，通过这一次的聚合统计出每个用户对应的所有连续登录的天数。

Step 6 审题

select uid,max(new_loadtime_num) as max_new_loadtime_num
from
(
select uid,new_loadtime,count(uid) asnew_loadtime_num
from
(
select uid,loadtime,row_number() over(partition by uid order by loadtime) as row_num,date_sub(regexp_replace(loadtime,’/‘,’-‘),row_number() over (partition by uid order by loadtime)) as new_loadtime
from loadrecord
) a
group by uid,new_loadtime
) b
group by uid

这里使用了max聚合函数和子查询操作，通过这一次的聚合统计出每个用户对应的最大的登录时长。

到此，以上为这道SQL题目的完整解答过程，整个过程涉及SQL的基础操作（建表、查询、限定、排序）的同时，也加入了聚合函数、子查询和窗户分析函数相对进阶的操作。

各用户最长的连续登录天数-这样短短的12个字，翻译成SQL语句居然用到了两层嵌套查询、两个聚合操作、一个日期操作和一个窗口分析函数。其实在数据分析师的日常工作中，比这道SQL题目复杂的需求也是常见的，所以学好SQL对于数据分析师工作的重要性也就不言而喻了吧。

本文的后半部分将用思维导图的方式给初学者总结出一份快速学习SQL的指南，主要是一些常用的知识点，根据二八定律，只需掌握最重要的20%核心知识点，就足以胜任80%的常见工作，这里总结的应该超过了20%，足够用了。

SQL学习指南

Stage 1 基础入门

本阶段是基础入门，了解SQL的基本语法，主要涉及表的操作。

Stape 2 基础查询

查询操作是最常用的最重要的，下图是基础查询用到的列的操作、运算符、结果限定的语法。

Stape 3 复杂查询

复杂查询包括子查询、关联子查询和视图，这一部分的内容如果掌握了，可以实际工作中的很多问题。

Stape 4 数据更新

本阶段学习数据更新的基本操作，包括插入、删除和更新。

Stape 5 常用函数

本阶段学习常用函数，此处按照熟悉函数、字符串函数、日期函数、转换函数列举了较常用的函数，不同的数据库对应的函数名称可能会不一样，大家在使用的时候可以查阅相应数据库的函数文档。

Stape 6 聚合排序

本阶段学习聚合和排序，主要介绍聚合查询、分组、分组后筛选、分组后排序的语法和注意事项。一般在实际工作中使用的时候，书写顺序是：select->from->where->group by->having->order by，但是实际的执行顺序是：from->where->group by->having->select->order by（选表->筛选记录->分组->分组后筛选->选列->排序）。

Stape 7 集合操作

本阶段学习集合操作，包括表的加减、表的联结。实际工作用多表的联结是很常见的，这里的思维导图列出来的知识点相对比较基础，大家可以在此基础上查阅相应的资料进行补充学习。

SQL的掌握重在实践，多在实际操作中使用，不必死记硬背语法和函数，把它当做一个工具箱，遇到问题的时候打开工具箱取出相应的工具来解决具体的问题，而打开工具箱的方式多种多样-记忆力超群的你各种函数了然于胸、借助平台提示、搜索引擎搜索等等。