像Excel一样使用SQL进行数据分析(3)

Excel是数据分析中最常用的工具,本篇文章通过mysql与excel的功能对比介绍如何使用mysql完成excel中的数据生成,数据清洗,预处理,以及最常见的数据分类,数据筛选,分类汇总,以及数据透视等操作。本篇文章我们介绍第5,6,7部分内容,数据提取,数据筛选以及数据汇总及透视。

mysql-logo
5,数据提取

第五部分是数据提取,也是数据分析中最常见的一个工作。下面介绍每一种函数的使用方法。

按列提取数据

#按列提取
SELECT city FROM data1;

提取单一城市字段

按行提取数据

#按行提取
SELECT * FROM data1 WHERE city='beijing';

按行提取数据

按位置提取数据

#按位置提取
SELECT * FROM data1 LIMIT 2,5;

按位置提取数据

按条件提取数据

#按条件提取并计算
SELECT AVG(price) FROM data1 WHERE city='beijing' AND age<25;

按多个条件提取数据并计算

6,数据筛选

第六部分为数据筛选,使用与,或,非三个条件配合大于,小于和等于对数据进行筛选,并进行计数和求和。与excel中的筛选功能和countifs和sumifs功能相似。

按条件筛选(与,或,非)

Excel数据目录下提供了“筛选”功能,用于对数据表按不同的条件进行筛选。mysql中使用WHERE完成筛选操作,配合sum和count函数还能实现excel中sumif和countif函数的功能。

筛选

#数据筛选AND
SELECT * FROM data1 WHERE city='shanghai' AND age>30;

数据筛选 and

#数据筛选IN
SELECT * FROM data1 WHERE city IN ('shanghai','beijing');

数据筛选 in

#数据筛选OR
SELECT * FROM data1 WHERE city='shanghai' OR age>30;

数据筛选 or

#数据筛选(不等于)
SELECT * FROM data1 WHERE city !='beijing';

数据筛选 not

#数据筛选like(模糊筛选)
SELECT * FROM data1 WHERE city LIKE 'bei%';

数据筛选 like

#筛选后计数 countif
SELECT COUNT(id) AS id_count FROM data1 WHERE city='shanghai'AND age>30;

countif

#筛选后求和 sumtif
SELECT SUM(price) AS price FROM data1 WHERE city='beijing' AND age<30;

sumif

#筛选后求均值 averageif
SELECT AVG(price) AS avg_price FROM data1 WHERE city !='beijing';

averageif
7,数据分类汇总及透视

第七部分是对数据进行分类汇总,Excel中使用分类汇总和数据透视可以按特定维度对数据进行汇总,mysql中使用的主要函数是GROUP BY和CASE WHEN。下面分别介绍这两个函数的使用方法。

分类汇总

Excel的数据目录下提供了“分类汇总”功能,可以按指定的字段和汇总方式对数据表进行汇总。mysql中通过GROUP BY完成相应的操作,并可以支持多级分类汇总。

分类汇总1

GROUP BY是进行分类汇总的函数,使用方法很简单,制定要分组的列名称就可以,也可以同时制定多个列名称,GROUP BY按列名称出现的顺序进行分组。同时要制定分组后的汇总方式,常见的是计数和求和两种。

#单列分类汇总
SELECT city,COUNT(id) AS id_count FROM data1 GROUP BY city ORDER BY id_count;

单一字段分类汇总

#多列分类汇总
SELECT city,colour,ROUND(SUM(price),2) AS id_count FROM data1 GROUP BY city,colour;

多个字段分类汇总
数据透视

Excel中的插入目录下提供“数据透视表”功能对数据表按特定维度进行汇总。mysql中没有直接提供数据透视表功能。但通过CASE WHEN函数实现同样的效果。

数据透视

数据透视表也是常用的一种数据分类汇总方式,并且功能上比GROUP BY要强大一些。下面的代码中设定city为行字段,colour为列字段,price为值字段,计算price金额。

#查看原始数据表
SELECT * FROM data1;

透视前原数据表

#使用CASE WHEN进行数据透视
CREATE VIEW data_Items AS (
  SELECT
    data1.city,
    CASE WHEN colour = "A" THEN price END AS A,
    CASE WHEN colour = "B" THEN price END AS B,
    CASE WHEN colour = "C" THEN price END AS C,
    CASE WHEN colour = "F" THEN price END AS F
  FROM data1
);

 

#查看结果
SELECT * FROM data_Items;

data_Items

#对字段进行求和汇总
CREATE VIEW data1_Extended_Pivot AS (
  SELECT
    city,
    SUM(A) AS A,
    SUM(B) AS B,
    SUM(C) AS C,
    SUM(F) AS F
  FROM data_Items
  GROUP BY city
);
#查看结果
SELECT * FROM data1_Extended_Pivot;

data1_Extended_Pivot

#对空值进行处理
CREATE VIEW data1_Extended_Pivot_Pretty AS (
  SELECT 
    city, 
    COALESCE(A, 0) AS A, 
    COALESCE(B, 0) AS B, 
    COALESCE(C, 0) AS C,
    COALESCE(F, 0) AS F
  FROM data1_Extended_Pivot
);

 

#查看数据透视结果
SELECT * FROM data1_Extended_Pivot_Pretty;

data1_Extended_Pivot_Pretty
本篇是《像Excel一样使用SQL进行数据分析》系列文章的最后一篇。感兴趣的朋友请继续关注,也欢迎给我留言进行交流。

—【所有文章及图片版权归 蓝鲸(王彦平)所有。欢迎转载,但请注明转自“蓝鲸网站分析博客”。】—

Speak Your Mind

*