由 Tomi Mester 写于2017年5月9日
本文转载自https://data36.com/sql-for-data-analysis-tutorial-beginners/
如果你想成数据分析师或是数据科学家，那么 SQL 是必须的。在过去的几年中，我已经与许多公司有线业务合作 - 从 5 人创业公司到 5000 多名员工跨国公司，并没有看到一家不会以某种方式使用SQL进行数据分析（以及更多的事情）的公司。
SQL简单并且容易理解。因而，不只是工程师、开发者、数据分析师或数据科学家可以使用它，而是任何愿意花费几天来学习和练习它的人。
我已经创建了这个 SQL 系列，成为有志的数据分析师和数据科学家的最实用和多动手的 SQL 教程。如果你从没有接触过编码、编程、查询，它将从头开始，这并不会是一个问题！
让我们开始吧！
注意：因为这是一个实用教程，我鼓励你和我一起编码。如果你这样做，你将需要一个数据服务器来练习。所以我建议你先通过阅读这篇文章。
利用SQL进行数据分析？这是什么？为什么好呢？
SQL代表『结构化查询语言』。
但是我喜欢描述它为「加强版的 Excel」。下面是同一份数据在 Excel 和 SQL:
如你所见，SQL 和 Excel 十分相似。它们用具有行和列的二维列表展示数据。两者都非常结构化，非常透明。
不过也有差异。作为初学者，你应该知道两件关于 SQL 的重要事情：
1.第一是性能。虽然 Excel 在小数据集中表现很棒，但是当你使用不同的公式处理 100 k+ 行的文件，它变得十分缓慢和低效。在 SQL 中，甚至超过 10 M+ 行的文件可以很快的处理。（例如，在接下来的利用 SQL进行数据分析文章中，我们将使用一个 7 M+ 行的数据集。）
2.第二是怎样访问你的数据。Excel 主要是图形用户界面（也成为 GUI）。你可以滚动、敲入公式、用光标选择你的范围等等，非常方便。在 SQL 中，你没有这样的界面，你必须使用称为『SQL 查询』来代替。看下面的gif：
<center>在 Excel 中求和</center >
<center>在 SQL 中求和</center >
因为第一次看到这个，可能感觉到麻烦。但是相信我，一旦你了解 SQL 基础知识，你会发现它比 Excel 更加清晰、更有效率。只提两个有点：在 SQL 中，连接表比 Excel 更简单。同样，使用 SQL 自动化和重复使用脚本也将会变得更加方便。
当你使用 SQL 进行数据分析，你将会使用它（最有可能）进行简单任务：聚合事情、连接数据集、使用简单的统计和数学方法。但是，你可以比以前更有效率执行这些任务和更大的数据集。
Python，R 和 bash怎么样？
如果你已经完成了我之前的 bash 教程 或者你已经参加一些我的在线直播,你可能会问：SQL 比 Python，R 或者 bash 好还是坏？答案是...好吧，这个问题没有明确答案！
一旦你开始在实际生活的数据项目中应用这些语言，你将看到 Python 和 R 在某些方面是表现好的，而 SQL 在其他方面表现好。主要是语法、功能、性能不同...但是，我现在不想进入该主题，因为：
a）我承诺一个使用教程，其主题有点理论（甚至有点哲学）。
b）它还有点先进的东西。
c）在这个水平上，你完全不需要担心它的性能，并且你有可能得到资深数据科学家或者数据工程师的帮助。
注意：如果你真的很好奇，我给你~1小时在这里比较 Python,R,SQL 和 bash。
但是现在，让我们试试吧！
STEP 0 - 安装你自己的 SQL 环境来练习！
注意：如果你已经有自己的 SQL 环境，你可以跳到<u>STEP-获得数据！</u>
首先，请仔细阅读这篇文章。它是关于如何一步一步设置你自己的数据服务和安装 bash,Python,R 和 SQL 的教程。
注意：在我的『利用 SQL 进行数据分析』文章中，我将使用 postgreSQL！还有其他类型的 SQL 语言（例如，另一个众所周知的开源语言 mySQL）。好消息是，所有的 SQL 语言都非常相似 -- 如果你学习 postgreSQL，则需要几个小时（甚至几分钟）才能适应另一个。我选择了 postgreSQL，因为它很受欢迎（许多在线企业都在使用它），同时它被称为最先进的开源 SQL 语言。
如果你通过上述链接的文章，请仔细检查，如果你有以下3件事情：
1.具有终端（或 iTerm）访问权限的数据服务器。
2.PostgreSQL 安装在你的数据服务器上。
3.你的计算机上的Pgadmin4（或SQL Workbench）。
如果缺少某些内容，请再次阅读：安装 bash，Python，R 和 SQL!
注意：作为一个 SQL 查询工具，相比于 pgadmin4，我更喜欢 SQL Workbench，但这是一种品味的问题。在我的利用 SQL 进行数据分析教程中，我将使用 SQL Workbench（以下是有关如何在计算机上安装它的教程），但你可以随意使用 pgadmin4。这不会有什么区别！
STEP 1 – 通过命令行登录你的 SQL 数据库!
太好了！你将在一分钟内编写你的第一个 SQL 查询！首先从命令行访问你的 SQL 数据库！你已经做了一次，我们将重复这个过程：
1.打开终端（或 iTerm）。
2.ssh到你的数据服务器
在我的环境下，我输入：
ssh tomi@[my_ip_adress]
3.一旦我登录服务器，我想访问我的 postgreSQL 数据库。因为我已经访问了我的用户，我只需要键入这个命令：
psql -U tomi -d postgres- » psql 是命令本身以及 -U 指定你的用户名（我的为「tomi」），以及 -d 指定你的数据库的名称（我的是 postgres 同样适用于你）。你的提示应改为：postgres=>
完成！你可以完全访问你的 SQL 数据库！
4.作为测试，键入：
\dt这会列出你所有的数据表。到目前为止，你只有一个数据表，但是这将会马上改变！
再次提醒！如果缺少某些东西或者不能运行，请再次阅读：安装 bash，Python，R 和 SQL!
STEP 2 - 获得数据！
在本教程中，我们将使用一个非常小的数据集，称为 zoo。
您可以从这里以原始 .tsv 格式下载，你可以在 Excel 中操作它。如果您已经完成了bash 教程，或者在bash /command line。
但是，继续使用SQL：
1）创建一个表，我们可以向表中载入数据。在我的后续教程中，我将详细解释这里发生了什么，但现在，你只需将这几行代码复制粘贴到终端中：
CREATE TABLE zoo (
animal varchar(10),
uniq_id integer PRIMARY KEY,
water_need integer
);
2）仔细检查表格是否已创建：
\dt 我们有新的数据表：zoo！
3）载入数据！
再次说明：我稍后会解释，但是现在，只是复制粘贴这个 SQL 查询：
INSERT INTO zoo (animal,uniq_id,water_need) VALUES
('elephant',1001,500),
('elephant',1002,600),
('elephant',1003,550),
('tiger',1004,300),
('tiger',1005,320),
('tiger',1006,330),
('tiger',1007,290),
('tiger',1008,310),
('zebra',1009,200),
('zebra',1010,220),
('zebra',1011,240),
('zebra',1012,230),
('zebra',1013,220),
('zebra',1014,100),
('zebra',1015,80),
('lion',1016,420),
('lion',1017,600),
('lion',1018,500),
('lion',1019,390),
('kangaroo',1020,410),
('kangaroo',1021,430),
('kangaroo',1022,410);
如果一切正常，你会得到这条提醒：
INSERT 0 22
最重要的 SQL 语句：SELECT
是时候学习最基本的 SQL 语句。这是：
SELECT * FROM table_name;
每当你在数据上使用读取，过滤，转换，聚合或执行任何操作，你将会使用 SELECT。在这系列教程中,90％的内容将会显示出来，以某种方式修改单一查询。作为开始，我们从 zoo 数据表中 SELECT 任意内容。
SELECT * FROM zoo;
我已经得到完整的可读格式的表。（如果要从这个视角中退出，请在键盘上按Q键。）
SELECT * FROM zoo;
我想它甚至不需要一个解释 -- 因为语法本身非常接近英语 - 但是为了以防万一：
SELECT 是主语句，它告诉 SQL 我们想从我们的数据表中读取一些东西。
* 通常是指「一切」 -- 在这种情况下，这意味着我们想选择每一列。
FROM 告诉 SQL，我们要从指定的表中读取数据。
zoo 是表的名称。如果你有更多的表，您可以将其替换为任何其他表名。
; 这是一个 SQL 特定的语法。每个查询都应该用分号关闭。如果您不小心错过了，SQL 将期望您继续查询，不会在屏幕上返回任何内容。
从现在起，你将会使用这种语法。
SELECT columns
你可以用实际的列名替换 * 字符。尝试这个查询：
SELECT animal, water_need FROM zoo;
（如果要从此视图中退出，请在键盘上按Q键。）
确切地说，你所期望的是：你的屏幕上列出了「animal」和「water_need」列，而不是「uniq_id」。
这样可以 SELECT 任何列。你只需要用逗号分隔指定的列名。
你也可以这样做：
SELECT animal, animal, animal FROM zoo;
你会看到同一列多次...但是，因为这是没有意义的，我建议只是根本不这样做。
显示数据的前几行 -- LIMIT 从句
现在我们正在使用 22 行的数据表。在「利用 SQL 进行数据分析」系列的下一集中，我们将使用一个 7 M+ 行数据文件。这是一个很大的变化，在这种情况下，每次都在屏幕上打印所有数据是不合理的，而是获取前几行的小样本。为此，使用 LIMIT 从句 - 这是之前介绍的「基础查询」顶部的一个小「扩展」：
SELECT * FROM zoo LIMIT 10;
这将仅打印前10行。（记住它是如何在 bash 中完成的？这是 head -10 命令。）
当然，你可以决定要打印多少行，并在 LIMIT 之后指定！
过滤指定行 -- WHERE从句
基于数值，你可以用 WHERE 从句选择特定的行。例如：
SELECT * FROM zoo WHERE animal = 'elephant';
SELECT * FROM zoo -»这是「基础查询」
WHERE -» 这告诉 SQL 你想过滤一些东西
animal = 'elephant' -» animal 是你正在寻找给定值的列名。而 elephant 是值本身。在 SQL 中，你必须添加列名，寻找值。
; -» 永远不要忘记分号！
在利用 SQL 进行数据分析系列的下一集中，我将详细介绍如何充分利用 WHERE！现在，如果你知道这是为了过滤行，便足够了。
自我测试＃1
这是一个介绍性的文章，所以这第一个任务也将是相当容易的：
从 zoo 表中选择前 3 个 zebra！
该解或多或少是本文的总结！
.
.
.
准备？
这是我的解决方案：
SELECT * FROM zoo WHERE animal = 'zebra' LIMIT 3;
SQL 很容易，对吧？
还有一件事：语法...
稍后，我将向你展示一些最佳实践，以及如何保持 SQL 查询的清洁和高效，但在第一篇文章中，我仅强调两件事情：
- 所有的查询都应以分号（;）结尾。如果你不小心错过了，SQL 将期望您继续查询，不会在屏幕上返回任何内容。例如：
postgres=> SELECT * FROM zoo
postgres->
这不是很好...这样更好：
postgres=> SELECT * FROM zoo; - 当谈到SQL关键字（SELECT，WHERE，LIMIT等），SQL 并不区分大小写。例如：
SELECT * FROM zoo;
工作原理如下：
select * from zoo;表名，列名和值的区分大小写是你设置的问题。在我们当前的设置（使用postgreSQL）中，表名和列名不区分大小写，但是字段值是。例如。
SELECT * FROM zoo WHERE animal = 'elephant';–» WORKS
SELECT * FROM ZOO WHERE ANIMAL = 'elephant';–» WORKS
SELECT * FROM ZOO WHERE ANIMAL = 'ELEPHANT';–» DOES NOT WORK
请注意，按照惯例上大多数人使用大写 SQL 关键字（SELECT，WHERE，LIMIT等）。它有助于阅读你的代码。
结论
相当不错的学习和使用 SQL 进行数据分析！恭喜！现在你可以写你的第一个非常基本的 SQL 查询...但这只是开始！让我们继续下一集，并学习如何使用 WHERE 从句从数据集中过滤东西。
如果你不想错过下一集,并且也想获得有关即将到来的网络研讨会的信息，请订阅我的每周通讯
