入门sql语句

语句"/>

入门sql语句

基础查询

1. 查询表所有列：

select * from user_profile;

2. 查询表指定列数据：

select age from user_profile;

3. 查询指定列并去重：

select DISTINCT university 
from user_profile;select university
from user_profile 
group by university;

4. 查询年龄数据并修改命名、输出前2条数据；

select age as new_age 
from user_profile 
limit 2;

条件查询

5. 查询后排序
   升序：

select device_id,age 
from user_profile 
order by age;

降序：

select device_id,age 
from user_profile 
order by age desc;

查询后多列升序排序：

select device_id,gpa,age 
from user_profile 
order by gpa,age;

查询后多列降序排序；

select device_id,gpa,age 
from user_profile 
order by gpa desc,age desc;

6. 查询除了某大学的用户信息，过滤空值

select device_id, university 
from user_profile 
where university != '复旦大学';
#   not like '复旦大学';
#   not in ('复旦大学');

7. 高级操作符混合
   and，or

select device_id,gender,age,university,gpa 
from user_profile 
where gpa>3.5 and university ='山东大学' or gpa>3.8 and university='复旦大学';

8. in，not in

select device_id,gender,age,university,gpa 
from user_profile 
where university in ('复旦大学','北京大学','山东大学');

9. 模糊查询
   查看学校名称中含北京的用户
   ——这道题主要考察的是模糊查询 字段名 like ‘匹配内容’

_ : 下划线 代表匹配任意一个字符；
% ：百分号 代表匹配0个或多个字符；
[]： 中括号 代表匹配其中的任意一个字符；
[^]: ^尖冒号 代表 非，取反的意思；不匹配中的任意一个字符。

select device_id,age,university
from user_profile 
where university like '%北京%';

tips：面试常问的一个问题：你了解哪些数据库优化技术？
SQL语句优化也属于数据库优化一部分，而like模糊查询会引起全表扫描，速度比较慢，应该尽量避免使用like关键字进行模糊查询。

select device_id,age,university
from user_profile 
where university regexp '北京';

LIKE 和 REGEXP之间的重要差别
LIKE 匹配整个列，如果被匹配的文本在列值中出现，LIKE 将不会找到它，相应的行也不会被返回（除非使用通配符）。
而 REGEXP 在列值内进行匹配，如果被匹配的文本在列值中出现，REGEXP 将会找到它，相应的行将被返回，并且 REGEXP 能匹配整个列值（与 LIKE> 相同的作用）

高级查询

10. 查复旦大学学生gpa最大值

# 自己排序截取
select gpa 
from user_profile 
where university = '复旦大学' 
order by gpa desc limit 1;
# 函数
select max(gpa) 
from user_profile 
where university = '复旦大学' 

11. 计算总数和平均值（四舍五入）

select count(gender) as male_num,round(avg(gpa),1) as avg_gpa 
from user_profile 
where gender='male';

12. 分组计算

selectgender, university,count(device_id) as user_num,round(avg(active_days_within_30),1) as avg_active_day,round(avg(question_cnt),1) as avg_question_cnt
from user_profile
group bygender,university;

13. 分组过滤

题意：取出平均发贴数低于5的学校或平均回帖数小于20的学校（小数点后保留3位）
解题步骤
1）按条件分组
2）按分组条件 计算筛选
3）输出对应数据列

selectuniversity,round(avg(question_cnt), 3) as  avg_question_cnt,round(avg(answer_cnt), 3) as avg_answer_cnt	
fromuser_profile
group byuniversity
having    # 聚合函数结果作为筛选条件时，不能用where，而是用having语法avg(question_cnt) < 5or avg(answer_cnt) < 20

select deployment, count(employee) as quantity
from company
group by deployment
where quantity > 100

select deployment
from company
group by deployment
having count(employee) > 100

14. 分组排序

题意：不同大学的用户平均发帖情况，并按照平均发帖情况进行升序排列

selectuniversity,avg(question_cnt) as  avg_question_cnt
fromuser_profile
group byuniversity
order by    avg(question_cnt)

☆☆☆ 多表查询

题意：所有来自浙江大学的用户题目回答明细情况

15. 子查询（嵌套查询、内部查询）
    一个查询语句嵌套在另一个查询语句内的查询。

第一种：创建一张临时表用，获取浙江大学device_id对用户题目回答明细进行过滤。

select device_id,question_id,result
fromquestion_practice_detail
where device_id in   (select device_id from user_profile where university ='浙江大学')

16. 连接查询

第二种：先将两张表关联在一起，然后再筛选出浙江大学的明细数据

selectq.device_id,q.question_id,q.result
fromquestion_practice_detail qleft join user_profile u on q.device_id = u.device_id
whereuniversity = '浙江大学'

17. 连接查询——统计每个学校的答过题的用户的平均答题数

参考解题思路

• 按每个学校统计——分组，group by
• 用户平均答题数计算：同一用户多次登录答题，需要对用户进行去重处理
• 两张表的连接处理

selectu.university,count(q.question_id) / count(distinct q.device_id) as avg_answer_cnt
fromquestion_practice_detail as qleft join user_profile as u on q.device_id = u.device_id
group byu.university;

18. 连接查询——统计每个学校各难度的用户平均刷题数（三张表）

• 分组查询 group by
• 计算用户平均答题量 count(question_id)/count(disinct device_id)
• 表连接 三张表

select university,difficult_level,count(q.question_id)/count(distinct q.device_id) as avg_answer_cnt
from user_profile u join question_practice_detail q on q.device_id = u.device_id join question_detail d on q.question_id = d.question_id
group by university, difficult_level

19. 组合查询——查找山东大学或者性别为男生的信息

• 限定条件：学校为山东大学或者性别为男性的用户：university=‘山东大学’, gender=‘male’；
• 分别查看&结果不去重 ：直接使用or不行，直接用union也不行，要用union all ，分别去查满足条件1的和满足条件2的，然后合在一起不去重

selectdevice_id,gender,age,gpa
fromuser_profile
whereuniversity = '山东大学'
union all  # 不去重查询方式，两个条件分别查找并都展示
selectdevice_id,gender,age,gpa
fromuser_profile
wheregender = 'male'

常用函数

21. 条件函数

• 计算25岁及以上 和25岁以下 的用户数量

if语句使用：if(条件，条件真的值1，条件假的值2)

# if语句使用
select if(age>=25, '25岁及以上','25岁以下') as age_cut,count(distinct device_id) as number
from user_profile
group by age_cut
# case 语句格式
select casewhen age>=25 then '25岁及以上'else '25岁以下'end as age_cut,count(distinct device_id) as number
from user_profile
group by age_cut

• 查看不同年龄段用户信息

# if语句格式
selectdevice_id,gender,if (age >= 25, '25岁及以上', if (age >= 20 and age <= 24, '20-24岁', '其他')) as age_cut
fromuser_profile
# case 语句格式
# 	when... then... 
# 	else... 
# end as...
selectdevice_id,gender,casewhen age>=25 then '25岁及以上'when age>=20 and age <=24 then '20-24岁'else '其他'end as 'age_cut'
from user_profile

22. 日期函数

• 计算用户2021年8月每天的练题数量

# 使用日期函数
selectday (date) as ourday,count(question_id) as question_cnt
fromquestion_practice_detail
wheremonth (date) = 8 and year (date) = 2021
group by ourday
# 使用正则表达式
selectday (date) as ourday,count(question_id) as question_cnt
fromquestion_practice_detail
where date regexp '2021-08'
group by ourday

• 计算用户的平均次日留存率
  次日：涉及到前后两天，此处通过两个表来进行连接（自连接）；
  次日留存率：有前一天记录的日期统计量/所有记录的日期统计量

selectcount(q2.device_id)/count(q1.device_id)
from (select distinct device_id,date from question_practice_detail) as q1left join(select distinct device_id,date from question_practice_detail) as q2on q2.device_id = q1.device_id and q2.date= date_add(q1.date, interval 1 day)
# 还可以用函数 datediff(q1.date,q2.date)=1

23. 文本函数

• 统计每种性别的人数(字符串提取函数使用)

substring_index(str,分隔符,序号)
序号为正数，表示从左往右 截取目标分隔符之前的字符串；1, 2, 3...
序号为负数，表示从右往左 截取目标分隔符之后的字符串；-1, 2, -3...

# 复习 if 和case 逻辑语句
# 复习 like 模糊查询
# 复习 regexp 正则匹配
###############################################
select if(profile regexp 'female','female','male') as 'gender',count(device_id) as number
from user_submit
group by gender
###############################################
select if(profile like '%female','female','male') as 'gender',count(device_id) as number
from user_submit
group by gender
###############################################
select case when profile regexp 'female' then 'female'when profile regexp 'male' then 'male'end as 'gender',count(device_id) as number
from user_submit
group by gender# 新学习：字符串提取函数substring_index
selectsubstring_index (profile, ',', -1) as gender,count(device_id) as number
from user_submit
group by gender

• 截取年龄

selectsubstring_index(substring_index(profile,',',-2),',',1) as age,count(device_id) as number
from user_submit
group by age

24. 窗口函数
    row_number() over() 解析
    基本功能：分组和排序功能
    语法格式: row_number() over(partition by 分组列 order by 排序列)

• 找出每个学校分数最低的学生

# 方式一：通过子查询语句和连接语句
selectu2.device_id,u1.university,u1.gpa
from(selectuniversity,min(gpa) gpafromuser_profilegroup byuniversity) as u1left join user_profile u2 on u1.university = u2.universityand u1.gpa = u2.gpa
order byu1.university# 方式二：通过窗口函数
selectdevice_id,university,gpa
from (select     device_id,university,gpa,row_number() over(partition by university order by gpa) as rankfrom user_profile) as u_rk
where u_rk.rank =1

综合练习

• 浙大不同难度题目的正确率

selectq2.difficult_level,sum(if (q1.result = 'right', 1, 0)) / count(result) as correct_rate  # 主要看这一步统计方式
from question_practice_detail q1 left join user_profile u on q1.device_id=u.device_id  # 注意此处连接的顺序left join question_detail q2 on q2.question_id = q1.question_id 
whereuniversity = '浙江大学'
group bydifficult_level
order bycorrect_rate