MySQL，从入门到熟练10 months agotable是我们的表名，column是我们想要查询的字段／列，column可以用 * 代替，指代全部字段，意为从table表查询所有数据。where 是基础查询语法，用于条件判断。select * from DataAnalyst
where city = '上海'
上图是最简化的查询语句，将所有城市为上海的职位数据过滤出来。我们也可以用 and 进行多条件判断。select * from DataAnalyst
where city = '上海' and positionName = '数据分析师'
or 语句则是或的关系select * from DataAnalyst
where city = '上海' or positionName = '数据分析师'
查找城市为上海，或者职位名称是数据分析师的数据，它们是并集。当我们涉及到非常复杂的与或逻辑判断，应该怎么办？比如即满足条件AB，又要满足条件C，或者是满足条件DE。此时需要用括号明确逻辑判断的优先级。select * from DataAnalyst
where (city = '上海' and positionName = '数据分析师')
or (city = '北京' and positionName = '数据产品经理')
这条语句的含义是查找出上海的数据分析师或者是北京的产品经理。当有括号时，会优先进行括号内的判断，当有多个括号时，对最内层括号先进行判断，然后依次往外。接下来的问题来了，当我们要查询多个条件，比如北京上海广州深圳南京这些城市，难道一个个用and关联起来？这太麻烦了，我们可以使用 in 。select * from DataAnalyst
where city in ('北京','上海','广州','深圳','南京')
当我们遇到字段数据类型是数值时，也可以使用符号& 、&=、& 、&=、!= 进行逻辑判断，!= 指的是不等于，等价于 && 。select * from DataAnalyst
where companyId &= 10000
上例是筛选出公司ID &= 10000的职位，为数值时，不需要像字符串一样加引号。当我们需要取区间数值时，使用 between andselect * from DataAnalyst
where companyId between 10000 and 20000
between and 包括数值两端的边界，等同于 companyId &=10000 and companyId &= 20000。如果要模糊查找，能用like。select * from DataAnalyst
where positionName like '%数据分析%'
语句的含义是在positionName列查找包含「数据分析」字段的数据，%代表的是通配符，含义是无所谓「数据分析」前面后面是什么内容。如果是 '数据分析%' ，则代表字段必须以数据分析开头，无所谓后面是什么。除了上面所讲，还有一个常用的语法是not，代表逻辑的逆转，常见not in、not like、not null等。接下来我们学习group by，它是数据分析中常见的语法，目的是将数据按组／维度划分。类似于Excel中的数据透视表，我们以city为例。select * from DataAnalyst
group by city
它将城市划分成几组，通过group by 可以快速的浏览数据有哪些城市。我们看一下它的高阶用法。select city,count(1) from DataAnalyst
group by city
上述语句，使用count函数，统计计数了每个城市拥有的职位数量。括号里面的1代表以第一列为计数标准。这里出现新的问题，当我们遇到重复数据怎么办？在DataAnalyst 这张表中，北京职位包含重复的职位ID，我们需要去重。select city,count(distinct positionId) from DataAnalyst
group by city
北京的数据一下子少了2000，多余的重复值被排除在外。distinct 是去重函数，distinct positionId 会只计算唯一的positionId个数。日常工作中，活跃用户数、文章UV，都是用distinct 计算获得，这是唯一标示符ID的重要作用。除了count，还有max，min，sum，avg等函数，也叫做聚合函数。用法和Excel没什么区别。当我们在group by 添加多个字段，它将以多维的形式进行数据聚合。select city,workYear,count(distinct positionId) from DataAnalyst
group by city,workYear
这就是数据分析师常用的多维分析法，通过group by 切分不同的维度进行对比，在不利用BI的情况下，通过SQL进行快速数据分析。接下来学习逻辑判断，SQL也有if函数，和Excel的用法一摸一样，通过它我们能进行复杂的运算。比如我想统计各个城市中有多少数据分析职位，其中，电商领域的职位有多少，在其中的占比？industryField是公司的行业领域，虽然我们能用where like 计算出有几个电商的数据分析师，但是占比的计算会比较麻烦，此时可以用if。select if(industryField like '%电子商务%',1,0) from DataAnalyst
上面的公式利用if判断出哪些是电商行业的数据分析师，哪些不是。if函数中间的字段代表为true时返回的值，不过因为包含重复数据，我们需要将其改成positionId。图片中第二个count我漏加distinct了。之后，用它与group by 组合就能达成目的了。select city,
count(distinct positionId),
count(distinct if(industryField like '%电子商务%',positionId,null))
from DataAnalyst
group by city
第一列数字是职位总数，第二列是电商领域的职位数，相除就是占比。记住，count是不论0还是1都会纳入计数，所以第三个参数需要写成null，代表不是电商的职位就排除在计算之外。接下来是新的问题，如果我想找出各个城市，数据分析师岗位数量在500以上的城市有哪些，应该怎么计算？有两种方法，第一种，是使用having语句，它对聚合后的数据结果进行过滤。select city,count(distinct positionId) from DataAnalyst
group by city having count(distinct positionId) &= 500
第二种，是利用嵌套子查询。我们将第一次查询获得的城市职位数的结果，看作一张新的表，利用as 将它命名为t1( table1 的简写)，将职位数命名为一个新的字段counts。然后外面再套一层select 过滤出counts &=500。这种查询方式就叫嵌套子查询，使用场景比较广泛，where 后面也能跟子查询。很多时候，数据是凌乱的，我们希望结果能够呈现一定的顺序，这时候就用到order by语句。select city,count(distinct positionId) as counts from DataAnalyst
group by city
order by counts
看，数据就按照统计结果升序排列，如果需要降序，则是order by counts desc，后面加一个desc就好了。如果是多个字段，按逗号分隔即可。我们再来熟悉SQL的常用函数，首先是时间。因为我们的练习数据中没有时间，首先用now创建出一个时间字段。select now()
直接执行它，就能获得当前的系统时间，精确到秒。其实select不一定后面要跟from。select date(now())
它代表的是获得当前日期，week函数获得当前第几周，month函数获得当前第几个月。其余还包括，quarter，year，day，hour，minute。时间函数也包含各种参数，比如week，因为中西方计算第几天是不一样的，西方把周日算作一周中的第一天，而我们习惯周一。select week(now(),0)
除了以上的日期表达，也可以使用dayofyear、weekofyear 的形式计算。它和上面的部分函数等价。怎么对时间进行加减法呢？这时候靠date_add函数出马。select date_add(date(now()) ,interval 1 day)
我们可以改变1为负数，达到减法的目的，也能更改day为week、year等，进行其他时间间隔的运算。如果是求两个时间的间隔，则是datediff(date1,date2)或者timediff(time1,time2)。时间函数的运用比较灵活，没有特殊限定，网络上的文档和教程也不少，可以深入学习。最后是数据清洗类的函数。select left(salary,1) from DataAnalyst
MySQL支持left、right、mid等函数，这里又和Excel一样。我们通过salary计算数据分析师的工资吧（这一步骤，在曾经的文章中已经用Excel和BI多次讲解，所以我就不多赘述了，只讲过程，不熟悉的同学可以看历史内容）。首先利用locate函数查找第一个k所在的位置。select locate("k",salary),salary from DataAnalyst
然后使用left函数截取薪水的下限。select left(salary,locate("k",salary)-1),salary from DataAnalyst
为了获得薪水的上限，要用substr函数，或者mid，两者等价。substr（字符串，从哪里开始截，截取的长度）薪水上限的开始位置是「-」位置往后推一位。截取长度是整个字符串减去「-」所在位置，刚好是后半段我们需要的内容，不过这个内容是包含「K」的，所以最后结果还得再减去1。这里不了解不要紧，可以将计算过程分步骤运行。基本上，了解了上面写法的含义，文本清洗这块就没有问题了（not like用来清洗乱七八糟的薪水，我简单处理了）。再然后计算不同城市不同工作年限的平均薪资。select city,workYear,avg((bottomSalary+topSalary)/2) as avgSalary
from (select left(salary,locate("K",salary)-1) as bottomSalary,
substr(salary,locate("-",salary)+1,length(salary)- locate("-",salary)-1) as topSalary,
city,positionId,workYear
from DataAnalyst
where salary not like '%以上%') as t1
group by city,workYear
order by city,avgSalary
尼玛，知乎的编辑器对齐不方便啊……上面语句，我们用了文本清洗、子查询嵌套、分组聚合、排序等多种用法，属于较复杂的查询。重复数据的问题，因为我是复制了一份北京数据，数量刚好乘二，对平均数没有影响，感兴趣的朋友可以再加一步清洗掉它。下面是三道思考题：查询出哪家公司招聘的岗位数最多；查询出O2O、电子商务、互联网金融这三个行业，哪个行业的平均薪资最高；查询出各城市的最高薪水Top3是哪家公司哪个岗位。做完上面的题目，你已经神功初成，数据分析的SQL意见没有大问题了。更复杂的查询，也无非是嵌套更多的内容，本质思路是一样的。讲到这里，只剩join语法还没有教大家。因为练习数据只有一张表，而join又是SQL中比较容易混淆的难点，我会单独开一篇内容讲解，到时候使用SQLZoo和LeetCode的案例。LeetCode是知名的算法竞赛网站，可以在上面和全世界的程序员比拼算法，当然我们只练习SQL，完成后，至少能秒杀全世界50%的程序员吧（知乎程序员大牛多，别打我，哈哈）。——————欢迎关注我的公众号：tracykanc赞赏2 人赞赏319收藏分享举报文章被以下专栏收录运营第一衰推荐阅读{&debug&:false,&apiRoot&:&&,&paySDK&:&https:\u002F\\u002Fapi\u002Fjs&,&wechatConfigAPI&:&\u002Fapi\u002Fwechat\u002Fjssdkconfig&,&name&:&production&,&instance&:&column&,&tokens&:{&X-XSRF-TOKEN&:null,&X-UDID&:null,&Authorization&:&oauth c3cef7c66aa9e6a1e3160e20&}}{&database&:{&Post&:{&&:{&isPending&:false,&contributes&:[{&sourceColumn&:{&lastUpdated&:,&description&:&上通流量点击，下达活动营销，左拥数据分析，右抱内容推广，前仆留存活跃，后继收费转化。&,&permission&:&COLUMN_PUBLIC&,&memberId&:290328,&contributePermission&:&COLUMN_PUBLIC&,&translatedCommentPermission&:&all&,&canManage&:true,&intro&:&运营第一衰&,&urlToken&:&qinlu&,&id&:18483,&imagePath&:&v2-d58af29c8b09addadbcd75e.jpg&,&slug&:&qinlu&,&applyReason&:&0&,&name&:&运营大湿兄&,&title&:&运营大湿兄&,&url&:&https:\u002F\\u002Fqinlu&,&commentPermission&:&COLUMN_ALL_CAN_COMMENT&,&canPost&:true,&created&:,&state&:&COLUMN_NORMAL&,&followers&:14414,&avatar&:{&id&:&v2-d58af29c8b09addadbcd75e&,&template&:&https:\u002F\\u002F{id}_{size}.jpg&},&activateAuthorRequested&:false,&following&:false,&imageUrl&:&https:\u002F\\u002Fv2-d58af29c8b09addadbcd75e_l.jpg&,&articlesCount&:40},&state&:&accepted&,&targetPost&:{&titleImage&:&https:\u002F\\u002Fv2-14f1ab89_r.jpg&,&lastUpdated&:,&imagePath&:&v2-14f1ab89.jpg&,&permission&:&ARTICLE_PUBLIC&,&topics&:[,583],&summary&:&本文是\u003Ca href=\&https:\u002F\\u002Fquestion\u002F2Fanswer\u002F\& class=\&\& data-editable=\&true\& data-title=\&如何快速成为数据分析师\&\u003E如何快速成为数据分析师\u003C\u002Fa\u003E的第十篇教程，如果想要了解写作初衷，可以先行阅读七周指南。温馨提示：如果您已经熟悉数据库，大可不必再看这篇文章，或只挑选部分。 在《\u003Ca href=\&http:\u002F\u002Fmp.\u002Fs?__biz=MjM5NjEyMDI2MQ==&mid=&idx=1&sn=38b912a77af98efe541bb53de2114e3a&chksm=bffc73ef2cb6b08ec41053ce3&scene=21#wechat_redirect\& data-editable=\&true\& data-title=\&写给新人的数据库指南\& class=\&\&\u003E写给新人的数据库指南\u003C\u002Fa\u003E》，我们已经成功的安装数据库，并且导入数据，今天进入MySQL的…&,&copyPermission&:&ARTICLE_COPYABLE&,&translatedCommentPermission&:&all&,&likes&:0,&origAuthorId&:0,&publishedTime&:&T00:25:52+08:00&,&sourceUrl&:&&,&urlToken&:,&id&:2267868,&withContent&:false,&slug&:,&bigTitleImage&:false,&title&:&MySQL，从入门到熟练&,&url&:&\u002Fp\u002F&,&commentPermission&:&ARTICLE_ALL_CAN_COMMENT&,&snapshotUrl&:&&,&created&:,&comments&:0,&columnId&:18483,&content&:&&,&parentId&:0,&state&:&ARTICLE_PUBLISHED&,&imageUrl&:&https:\u002F\\u002Fv2-14f1ab89_r.jpg&,&author&:{&bio&:&万物皆有裂痕，那是光进来的地方&,&isFollowing&:false,&hash&:&fd165ce69c8edd9e753533&,&uid&:12,&isOrg&:false,&slug&:&qin-lu-17&,&isFollowed&:false,&description&:&个人微信公众号：tracykanc（不定期更新运营和数据知识）&,&name&:&秦路&,&profileUrl&:&https:\u002F\\u002Fpeople\u002Fqin-lu-17&,&avatar&:{&id&:&9055741cdbde776ede7c0a&,&template&:&https:\u002F\\u002F50\u002F{id}_{size}.jpg&},&isOrgWhiteList&:false,&isBanned&:false},&memberId&:290328,&excerptTitle&:&&,&voteType&:&ARTICLE_VOTE_CLEAR&},&id&:545511}],&title&:&MySQL，从入门到熟练&,&author&:&qin-lu-17&,&content&:&\u003Cblockquote\u003E\u003Cp\u003E本文是\u003Ca href=\&https:\u002F\\u002Fquestion\u002F2Fanswer\u002F\& class=\&internal\&\u003E如何快速成为数据分析师\u003C\u002Fa\u003E的第十篇教程，如果想要了解写作初衷，可以先行阅读七周指南。温馨提示：如果您已经熟悉数据库，大可不必再看这篇文章，或只挑选部分。\u003C\u002Fp\u003E\u003C\u002Fblockquote\u003E\u003Cbr\u003E\u003Cp\u003E在《\u003Ca href=\&http:\u002F\\u002F?target=http%3A\u002F\u002Fmp.\u002Fs%3F__biz%3DMjM5NjEyMDI2MQ%3D%3D%26mid%3D%26idx%3D1%26sn%3D38b912a77af98efe541bb53dechksm%3Dbffc73ef2cb6b08ec4scene%3D21%23wechat_redirect\& class=\& wrap external\& target=\&_blank\& rel=\&nofollow noreferrer\&\u003E写给新人的数据库指南\u003Ci class=\&icon-external\&\u003E\u003C\u002Fi\u003E\u003C\u002Fa\u003E》，我们已经成功的安装数据库，并且导入数据，今天进入MySQL的实战练习。SQL是数据库的查询语言，语法结构简单，相信本文会让你从入门到熟练。\u003C\u002Fp\u003E\u003Cp\u003E掌握SQL后，不论你是产品经理、运营人员或者数据分析师，都会让你分析的能力边界无限拓展。别犹豫了，赶快上车吧！\u003C\u002Fp\u003E\u003Cp\u003E以下的语句都在SequelPro的Query页面运行，其他操作页面不会有太大差异。标点符号必须为英文，这是新人很容易犯的错误。\u003C\u002Fp\u003E\u003Cp\u003ESQL最小化的查询结构如下：\u003C\u002Fp\u003E\u003Cdiv class=\&highlight\&\u003E\u003Cpre\u003E\u003Ccode class=\&language-mysql\&\u003E\u003Cspan\u003E\u003C\u002Fspan\u003E\u003Cspan class=\&k\&\u003Eselect\u003C\u002Fspan\u003E \u003Cspan class=\&k\&\u003Ecolumn\u003C\u002Fspan\u003E \u003Cspan class=\&k\&\u003Efrom\u003C\u002Fspan\u003E \u003Cspan class=\&k\&\u003Etable\u003C\u002Fspan\u003E\n\u003C\u002Fcode\u003E\u003C\u002Fpre\u003E\u003C\u002Fdiv\u003E\u003Cp\u003Etable是我们的表名，column是我们想要查询的字段／列，column可以用 * 代替，指代全部字段，意为从table表查询所有数据。\u003C\u002Fp\u003E\u003Cp\u003Ewhere 是基础查询语法，用于条件判断。\u003C\u002Fp\u003E\u003Cdiv class=\&highlight\&\u003E\u003Cpre\u003E\u003Ccode class=\&language-mysql\&\u003E\u003Cspan\u003E\u003C\u002Fspan\u003E\u003Cspan class=\&k\&\u003Eselect\u003C\u002Fspan\u003E \u003Cspan class=\&o\&\u003E*\u003C\u002Fspan\u003E \u003Cspan class=\&k\&\u003Efrom\u003C\u002Fspan\u003E \u003Cspan class=\&n\&\u003EDataAnalyst\u003C\u002Fspan\u003E\n\u003Cspan class=\&k\&\u003Ewhere\u003C\u002Fspan\u003E \u003Cspan class=\&n\&\u003Ecity\u003C\u002Fspan\u003E \u003Cspan class=\&o\&\u003E=\u003C\u002Fspan\u003E \u003Cspan class=\&s1\&\u003E'上海'\u003C\u002Fspan\u003E\n\u003C\u002Fcode\u003E\u003C\u002Fpre\u003E\u003C\u002Fdiv\u003E\u003Cp\u003E上图是最简化的查询语句，将所有城市为上海的职位数据过滤出来。我们也可以用 and 进行多条件判断。\u003C\u002Fp\u003E\u003Cdiv class=\&highlight\&\u003E\u003Cpre\u003E\u003Ccode class=\&language-mysql\&\u003E\u003Cspan\u003E\u003C\u002Fspan\u003E\u003Cspan class=\&k\&\u003Eselect\u003C\u002Fspan\u003E \u003Cspan class=\&o\&\u003E*\u003C\u002Fspan\u003E \u003Cspan class=\&k\&\u003Efrom\u003C\u002Fspan\u003E \u003Cspan class=\&n\&\u003EDataAnalyst\u003C\u002Fspan\u003E\n\u003Cspan class=\&k\&\u003Ewhere\u003C\u002Fspan\u003E \u003Cspan class=\&n\&\u003Ecity\u003C\u002Fspan\u003E \u003Cspan class=\&o\&\u003E=\u003C\u002Fspan\u003E \u003Cspan class=\&s1\&\u003E'上海'\u003C\u002Fspan\u003E \u003Cspan class=\&k\&\u003Eand\u003C\u002Fspan\u003E \u003Cspan class=\&n\&\u003EpositionName\u003C\u002Fspan\u003E \u003Cspan class=\&o\&\u003E=\u003C\u002Fspan\u003E \u003Cspan class=\&s1\&\u003E'数据分析师'\u003C\u002Fspan\u003E\n\u003C\u002Fcode\u003E\u003C\u002Fpre\u003E\u003C\u002Fdiv\u003E\u003Cp\u003Eor 语句则是或的关系\u003C\u002Fp\u003E\u003Cdiv class=\&highlight\&\u003E\u003Cpre\u003E\u003Ccode class=\&language-mysql\&\u003E\u003Cspan\u003E\u003C\u002Fspan\u003E\u003Cspan class=\&k\&\u003Eselect\u003C\u002Fspan\u003E \u003Cspan class=\&o\&\u003E*\u003C\u002Fspan\u003E \u003Cspan class=\&k\&\u003Efrom\u003C\u002Fspan\u003E \u003Cspan class=\&n\&\u003EDataAnalyst\u003C\u002Fspan\u003E\n\u003Cspan class=\&k\&\u003Ewhere\u003C\u002Fspan\u003E \u003Cspan class=\&n\&\u003Ecity\u003C\u002Fspan\u003E \u003Cspan class=\&o\&\u003E=\u003C\u002Fspan\u003E \u003Cspan class=\&s1\&\u003E'上海'\u003C\u002Fspan\u003E \u003Cspan class=\&k\&\u003Eor\u003C\u002Fspan\u003E \u003Cspan class=\&n\&\u003EpositionName\u003C\u002Fspan\u003E \u003Cspan class=\&o\&\u003E=\u003C\u002Fspan\u003E \u003Cspan class=\&s1\&\u003E'数据分析师'\u003C\u002Fspan\u003E\n\u003C\u002Fcode\u003E\u003C\u002Fpre\u003E\u003C\u002Fdiv\u003E\u003Cp\u003E查找城市为上海，或者职位名称是数据分析师的数据，它们是并集。\u003C\u002Fp\u003E\u003Cp\u003E当我们涉及到非常复杂的与或逻辑判断，应该怎么办？比如即满足条件AB，又要满足条件C，或者是满足条件DE。此时需要用括号明确逻辑判断的优先级。\u003C\u002Fp\u003E\u003Cdiv class=\&highlight\&\u003E\u003Cpre\u003E\u003Ccode class=\&language-mysql\&\u003E\u003Cspan\u003E\u003C\u002Fspan\u003E\u003Cspan class=\&k\&\u003Eselect\u003C\u002Fspan\u003E \u003Cspan class=\&o\&\u003E*\u003C\u002Fspan\u003E \u003Cspan class=\&k\&\u003Efrom\u003C\u002Fspan\u003E \u003Cspan class=\&n\&\u003EDataAnalyst\u003C\u002Fspan\u003E\n\u003Cspan class=\&k\&\u003Ewhere\u003C\u002Fspan\u003E \u003Cspan class=\&p\&\u003E(\u003C\u002Fspan\u003E\u003Cspan class=\&n\&\u003Ecity\u003C\u002Fspan\u003E \u003Cspan class=\&o\&\u003E=\u003C\u002Fspan\u003E \u003Cspan class=\&s1\&\u003E'上海'\u003C\u002Fspan\u003E \u003Cspan class=\&k\&\u003Eand\u003C\u002Fspan\u003E \u003Cspan class=\&n\&\u003EpositionName\u003C\u002Fspan\u003E \u003Cspan class=\&o\&\u003E=\u003C\u002Fspan\u003E \u003Cspan class=\&s1\&\u003E'数据分析师'\u003C\u002Fspan\u003E\u003Cspan class=\&p\&\u003E)\u003C\u002Fspan\u003E \n
\u003Cspan class=\&k\&\u003Eor\u003C\u002Fspan\u003E \u003Cspan class=\&p\&\u003E(\u003C\u002Fspan\u003E\u003Cspan class=\&n\&\u003Ecity\u003C\u002Fspan\u003E \u003Cspan class=\&o\&\u003E=\u003C\u002Fspan\u003E \u003Cspan class=\&s1\&\u003E'北京'\u003C\u002Fspan\u003E \u003Cspan class=\&k\&\u003Eand\u003C\u002Fspan\u003E \u003Cspan class=\&n\&\u003EpositionName\u003C\u002Fspan\u003E \u003Cspan class=\&o\&\u003E=\u003C\u002Fspan\u003E \u003Cspan class=\&s1\&\u003E'数据产品经理'\u003C\u002Fspan\u003E\u003Cspan class=\&p\&\u003E)\u003C\u002Fspan\u003E\n\u003C\u002Fcode\u003E\u003C\u002Fpre\u003E\u003C\u002Fdiv\u003E\u003Cp\u003E这条语句的含义是查找出上海的数据分析师或者是北京的产品经理。当有括号时，会优先进行括号内的判断，当有多个括号时，对最内层括号先进行判断，然后依次往外。\u003C\u002Fp\u003E\u003Cp\u003E接下来的问题来了，当我们要查询多个条件，比如北京上海广州深圳南京这些城市，难道一个个用and关联起来？这太麻烦了，我们可以使用 in 。\u003C\u002Fp\u003E\u003Cdiv class=\&highlight\&\u003E\u003Cpre\u003E\u003Ccode class=\&language-mysql\&\u003E\u003Cspan\u003E\u003C\u002Fspan\u003E\u003Cspan class=\&k\&\u003Eselect\u003C\u002Fspan\u003E \u003Cspan class=\&o\&\u003E*\u003C\u002Fspan\u003E \u003Cspan class=\&k\&\u003Efrom\u003C\u002Fspan\u003E \u003Cspan class=\&n\&\u003EDataAnalyst\u003C\u002Fspan\u003E\n\u003Cspan class=\&k\&\u003Ewhere\u003C\u002Fspan\u003E \u003Cspan class=\&n\&\u003Ecity\u003C\u002Fspan\u003E \u003Cspan class=\&k\&\u003Ein\u003C\u002Fspan\u003E \u003Cspan class=\&p\&\u003E(\u003C\u002Fspan\u003E\u003Cspan class=\&s1\&\u003E'北京'\u003C\u002Fspan\u003E\u003Cspan class=\&p\&\u003E,\u003C\u002Fspan\u003E\u003Cspan class=\&s1\&\u003E'上海'\u003C\u002Fspan\u003E\u003Cspan class=\&p\&\u003E,\u003C\u002Fspan\u003E\u003Cspan class=\&s1\&\u003E'广州'\u003C\u002Fspan\u003E\u003Cspan class=\&p\&\u003E,\u003C\u002Fspan\u003E\u003Cspan class=\&s1\&\u003E'深圳'\u003C\u002Fspan\u003E\u003Cspan class=\&p\&\u003E,\u003C\u002Fspan\u003E\u003Cspan class=\&s1\&\u003E'南京'\u003C\u002Fspan\u003E\u003Cspan class=\&p\&\u003E)\u003C\u002Fspan\u003E\n\u003C\u002Fcode\u003E\u003C\u002Fpre\u003E\u003C\u002Fdiv\u003E\u003Cp\u003E当我们遇到字段数据类型是数值时，也可以使用符号& 、&=、& 、&=、!= 进行逻辑判断，!= 指的是不等于，等价于 && 。\u003C\u002Fp\u003E\u003Cdiv class=\&highlight\&\u003E\u003Cpre\u003E\u003Ccode class=\&language-mysql\&\u003E\u003Cspan\u003E\u003C\u002Fspan\u003E\u003Cspan class=\&k\&\u003Eselect\u003C\u002Fspan\u003E \u003Cspan class=\&o\&\u003E*\u003C\u002Fspan\u003E \u003Cspan class=\&k\&\u003Efrom\u003C\u002Fspan\u003E \u003Cspan class=\&n\&\u003EDataAnalyst\u003C\u002Fspan\u003E\n\u003Cspan class=\&k\&\u003Ewhere\u003C\u002Fspan\u003E \u003Cspan class=\&n\&\u003EcompanyId\u003C\u002Fspan\u003E \u003Cspan class=\&o\&\u003E&=\u003C\u002Fspan\u003E \u003Cspan class=\&mi\&\u003E1C\u002Fspan\u003E\n\u003C\u002Fcode\u003E\u003C\u002Fpre\u003E\u003C\u002Fdiv\u003E\u003Cp\u003E上例是筛选出公司ID &= 10000的职位，为数值时，不需要像字符串一样加引号。\u003C\u002Fp\u003E\u003Cp\u003E当我们需要取区间数值时，使用 between and\u003C\u002Fp\u003E\u003Cdiv class=\&highlight\&\u003E\u003Cpre\u003E\u003Ccode class=\&language-mysql\&\u003E\u003Cspan\u003E\u003C\u002Fspan\u003E\u003Cspan class=\&k\&\u003Eselect\u003C\u002Fspan\u003E \u003Cspan class=\&o\&\u003E*\u003C\u002Fspan\u003E \u003Cspan class=\&k\&\u003Efrom\u003C\u002Fspan\u003E \u003Cspan class=\&n\&\u003EDataAnalyst\u003C\u002Fspan\u003E\n\u003Cspan class=\&k\&\u003Ewhere\u003C\u002Fspan\u003E \u003Cspan class=\&n\&\u003EcompanyId\u003C\u002Fspan\u003E \u003Cspan class=\&k\&\u003Ebetween\u003C\u002Fspan\u003E \u003Cspan class=\&mi\&\u003E1C\u002Fspan\u003E \u003Cspan class=\&k\&\u003Eand\u003C\u002Fspan\u003E \u003Cspan class=\&mi\&\u003E2C\u002Fspan\u003E\n\u003C\u002Fcode\u003E\u003C\u002Fpre\u003E\u003C\u002Fdiv\u003E\u003Cp\u003Ebetween and 包括数值两端的边界，等同于 companyId &=10000 and companyId &= 20000。\u003C\u002Fp\u003E\u003Cp\u003E如果要模糊查找，能用like。\u003C\u002Fp\u003E\u003Cdiv class=\&highlight\&\u003E\u003Cpre\u003E\u003Ccode class=\&language-mysql\&\u003E\u003Cspan\u003E\u003C\u002Fspan\u003E\u003Cspan class=\&k\&\u003Eselect\u003C\u002Fspan\u003E \u003Cspan class=\&o\&\u003E*\u003C\u002Fspan\u003E \u003Cspan class=\&k\&\u003Efrom\u003C\u002Fspan\u003E \u003Cspan class=\&n\&\u003EDataAnalyst\u003C\u002Fspan\u003E\n\u003Cspan class=\&k\&\u003Ewhere\u003C\u002Fspan\u003E \u003Cspan class=\&n\&\u003EpositionName\u003C\u002Fspan\u003E \u003Cspan class=\&k\&\u003Elike\u003C\u002Fspan\u003E \u003Cspan class=\&s1\&\u003E'%数据分析%'\u003C\u002Fspan\u003E\n\u003C\u002Fcode\u003E\u003C\u002Fpre\u003E\u003C\u002Fdiv\u003E\u003Cp\u003E语句的含义是在positionName列查找包含「数据分析」字段的数据，%代表的是通配符，含义是无所谓「数据分析」前面后面是什么内容。如果是 '数据分析%' ，则代表字段必须以数据分析开头，无所谓后面是什么。\u003C\u002Fp\u003E\u003Cp\u003E除了上面所讲，还有一个常用的语法是not，代表逻辑的逆转，常见not in、not like、not null等。\u003C\u002Fp\u003E\u003Cp\u003E接下来我们学习group by，它是数据分析中常见的语法，目的是将数据按组／维度划分。类似于Excel中的数据透视表，我们以city为例。\u003C\u002Fp\u003E\u003Cdiv class=\&highlight\&\u003E\u003Cpre\u003E\u003Ccode class=\&language-mysql\&\u003E\u003Cspan\u003E\u003C\u002Fspan\u003E\u003Cspan class=\&k\&\u003Eselect\u003C\u002Fspan\u003E \u003Cspan class=\&o\&\u003E*\u003C\u002Fspan\u003E \u003Cspan class=\&k\&\u003Efrom\u003C\u002Fspan\u003E \u003Cspan class=\&n\&\u003EDataAnalyst\u003C\u002Fspan\u003E\n\u003Cspan class=\&k\&\u003Egroup\u003C\u002Fspan\u003E \u003Cspan class=\&k\&\u003Eby\u003C\u002Fspan\u003E \u003Cspan class=\&n\&\u003Ecity\u003C\u002Fspan\u003E\n\u003C\u002Fcode\u003E\u003C\u002Fpre\u003E\u003C\u002Fdiv\u003E\u003Cfigure\u003E\u003Cnoscript\u003E\u003Cimg src=\&https:\u002F\\u002Fv2-9cbfe856b9a539c999579fb_b.png\& data-rawwidth=\&1474\& data-rawheight=\&828\& class=\&origin_image zh-lightbox-thumb\& width=\&1474\& data-original=\&https:\u002F\\u002Fv2-9cbfe856b9a539c999579fb_r.png\&\u003E\u003C\u002Fnoscript\u003E\u003Cimg src=\&data:image\u002Fsvg+utf8,&svg%20xmlns='http:\u002F\u002Fwww.w3.org\u002FFsvg'%20width='1474'%20height='828'&&\u002Fsvg&\& data-rawwidth=\&1474\& data-rawheight=\&828\& class=\&origin_image zh-lightbox-thumb lazy\& width=\&1474\& data-original=\&https:\u002F\\u002Fv2-9cbfe856b9a539c999579fb_r.png\& data-actualsrc=\&https:\u002F\\u002Fv2-9cbfe856b9a539c999579fb_b.png\&\u003E\u003C\u002Ffigure\u003E\u003Cp\u003E它将城市划分成几组，通过group by 可以快速的浏览数据有哪些城市。我们看一下它的高阶用法。\u003C\u002Fp\u003E\u003Cdiv class=\&highlight\&\u003E\u003Cpre\u003E\u003Ccode class=\&language-mysql\&\u003E\u003Cspan\u003E\u003C\u002Fspan\u003E\u003Cspan class=\&k\&\u003Eselect\u003C\u002Fspan\u003E \u003Cspan class=\&n\&\u003Ecity\u003C\u002Fspan\u003E\u003Cspan class=\&p\&\u003E,\u003C\u002Fspan\u003E\u003Cspan class=\&nf\&\u003Ecount\u003C\u002Fspan\u003E\u003Cspan class=\&p\&\u003E(\u003C\u002Fspan\u003E\u003Cspan class=\&mi\&\u003E1\u003C\u002Fspan\u003E\u003Cspan class=\&p\&\u003E)\u003C\u002Fspan\u003E \u003Cspan class=\&k\&\u003Efrom\u003C\u002Fspan\u003E \u003Cspan class=\&n\&\u003EDataAnalyst\u003C\u002Fspan\u003E\n\u003Cspan class=\&k\&\u003Egroup\u003C\u002Fspan\u003E \u003Cspan class=\&k\&\u003Eby\u003C\u002Fspan\u003E \u003Cspan class=\&n\&\u003Ecity\u003C\u002Fspan\u003E\n\u003C\u002Fcode\u003E\u003C\u002Fpre\u003E\u003C\u002Fdiv\u003E\u003Cfigure\u003E\u003Cnoscript\u003E\u003Cimg src=\&https:\u002F\\u002Fv2-f6cda86ccc96872dca65c77ccd507ccd_b.png\& data-rawwidth=\&964\& data-rawheight=\&832\& class=\&origin_image zh-lightbox-thumb\& width=\&964\& data-original=\&https:\u002F\\u002Fv2-f6cda86ccc96872dca65c77ccd507ccd_r.png\&\u003E\u003C\u002Fnoscript\u003E\u003Cimg src=\&data:image\u002Fsvg+utf8,&svg%20xmlns='http:\u002F\u002Fwww.w3.org\u002FFsvg'%20width='964'%20height='832'&&\u002Fsvg&\& data-rawwidth=\&964\& data-rawheight=\&832\& class=\&origin_image zh-lightbox-thumb lazy\& width=\&964\& data-original=\&https:\u002F\\u002Fv2-f6cda86ccc96872dca65c77ccd507ccd_r.png\& data-actualsrc=\&https:\u002F\\u002Fv2-f6cda86ccc96872dca65c77ccd507ccd_b.png\&\u003E\u003C\u002Ffigure\u003E\u003Cp\u003E上述语句，使用count函数，统计计数了每个城市拥有的职位数量。括号里面的1代表以第一列为计数标准。这里出现新的问题，当我们遇到重复数据怎么办？在DataAnalyst 这张表中，北京职位包含重复的职位ID，我们需要去重。\u003C\u002Fp\u003E\u003Cdiv class=\&highlight\&\u003E\u003Cpre\u003E\u003Ccode class=\&language-mysql\&\u003E\u003Cspan\u003E\u003C\u002Fspan\u003E\u003Cspan class=\&k\&\u003Eselect\u003C\u002Fspan\u003E \u003Cspan class=\&n\&\u003Ecity\u003C\u002Fspan\u003E\u003Cspan class=\&p\&\u003E,\u003C\u002Fspan\u003E\u003Cspan class=\&nf\&\u003Ecount\u003C\u002Fspan\u003E\u003Cspan class=\&p\&\u003E(\u003C\u002Fspan\u003E\u003Cspan class=\&k\&\u003Edistinct\u003C\u002Fspan\u003E \u003Cspan class=\&n\&\u003EpositionId\u003C\u002Fspan\u003E\u003Cspan class=\&p\&\u003E)\u003C\u002Fspan\u003E \u003Cspan class=\&k\&\u003Efrom\u003C\u002Fspan\u003E \u003Cspan class=\&n\&\u003EDataAnalyst\u003C\u002Fspan\u003E\n\u003Cspan class=\&k\&\u003Egroup\u003C\u002Fspan\u003E \u003Cspan class=\&k\&\u003Eby\u003C\u002Fspan\u003E \u003Cspan class=\&n\&\u003Ecity\u003C\u002Fspan\u003E\n\u003C\u002Fcode\u003E\u003C\u002Fpre\u003E\u003C\u002Fdiv\u003E\u003Cfigure\u003E\u003Cnoscript\u003E\u003Cimg src=\&https:\u002F\\u002Fv2-40d873fc284c788ab6263_b.png\& data-rawwidth=\&926\& data-rawheight=\&840\& class=\&origin_image zh-lightbox-thumb\& width=\&926\& data-original=\&https:\u002F\\u002Fv2-40d873fc284c788ab6263_r.png\&\u003E\u003C\u002Fnoscript\u003E\u003Cimg src=\&data:image\u002Fsvg+utf8,&svg%20xmlns='http:\u002F\u002Fwww.w3.org\u002FFsvg'%20width='926'%20height='840'&&\u002Fsvg&\& data-rawwidth=\&926\& data-rawheight=\&840\& class=\&origin_image zh-lightbox-thumb lazy\& width=\&926\& data-original=\&https:\u002F\\u002Fv2-40d873fc284c788ab6263_r.png\& data-actualsrc=\&https:\u002F\\u002Fv2-40d873fc284c788ab6263_b.png\&\u003E\u003C\u002Ffigure\u003E\u003Cp\u003E北京的数据一下子少了2000，多余的重复值被排除在外。distinct 是去重函数，distinct positionId 会只计算唯一的positionId个数。日常工作中，活跃用户数、文章UV，都是用distinct 计算获得，这是唯一标示符ID的重要作用。\u003C\u002Fp\u003E\u003Cp\u003E除了count，还有max，min，sum，avg等函数，也叫做聚合函数。用法和Excel没什么区别。\u003C\u002Fp\u003E\u003Cp\u003E当我们在group by 添加多个字段，它将以多维的形式进行数据聚合。\u003C\u002Fp\u003E\u003Cdiv class=\&highlight\&\u003E\u003Cpre\u003E\u003Ccode class=\&language-mysql\&\u003E\u003Cspan\u003E\u003C\u002Fspan\u003E\u003Cspan class=\&k\&\u003Eselect\u003C\u002Fspan\u003E \u003Cspan class=\&n\&\u003Ecity\u003C\u002Fspan\u003E\u003Cspan class=\&p\&\u003E,\u003C\u002Fspan\u003E\u003Cspan class=\&n\&\u003EworkYear\u003C\u002Fspan\u003E\u003Cspan class=\&p\&\u003E,\u003C\u002Fspan\u003E\u003Cspan class=\&nf\&\u003Ecount\u003C\u002Fspan\u003E\u003Cspan class=\&p\&\u003E(\u003C\u002Fspan\u003E\u003Cspan class=\&k\&\u003Edistinct\u003C\u002Fspan\u003E \u003Cspan class=\&n\&\u003EpositionId\u003C\u002Fspan\u003E\u003Cspan class=\&p\&\u003E)\u003C\u002Fspan\u003E \u003Cspan class=\&k\&\u003Efrom\u003C\u002Fspan\u003E \u003Cspan class=\&n\&\u003EDataAnalyst\u003C\u002Fspan\u003E\n\u003Cspan class=\&k\&\u003Egroup\u003C\u002Fspan\u003E \u003Cspan class=\&k\&\u003Eby\u003C\u002Fspan\u003E \u003Cspan class=\&n\&\u003Ecity\u003C\u002Fspan\u003E\u003Cspan class=\&p\&\u003E,\u003C\u002Fspan\u003E\u003Cspan class=\&n\&\u003EworkYear\u003C\u002Fspan\u003E\n\u003C\u002Fcode\u003E\u003C\u002Fpre\u003E\u003C\u002Fdiv\u003E\u003Cfigure\u003E\u003Cnoscript\u003E\u003Cimg src=\&https:\u002F\\u002Fv2-dfc1e5b795cd_b.png\& data-rawwidth=\&938\& data-rawheight=\&748\& class=\&origin_image zh-lightbox-thumb\& width=\&938\& data-original=\&https:\u002F\\u002Fv2-dfc1e5b795cd_r.png\&\u003E\u003C\u002Fnoscript\u003E\u003Cimg src=\&data:image\u002Fsvg+utf8,&svg%20xmlns='http:\u002F\u002Fwww.w3.org\u002FFsvg'%20width='938'%20height='748'&&\u002Fsvg&\& data-rawwidth=\&938\& data-rawheight=\&748\& class=\&origin_image zh-lightbox-thumb lazy\& width=\&938\& data-original=\&https:\u002F\\u002Fv2-dfc1e5b795cd_r.png\& data-actualsrc=\&https:\u002F\\u002Fv2-dfc1e5b795cd_b.png\&\u003E\u003C\u002Ffigure\u003E\u003Cp\u003E这就是数据分析师常用的多维分析法，通过group by 切分不同的维度进行对比，在不利用BI的情况下，通过SQL进行快速数据分析。\u003C\u002Fp\u003E\u003Cp\u003E接下来学习逻辑判断，SQL也有if函数，和Excel的用法一摸一样，通过它我们能进行复杂的运算。比如我想统计各个城市中有多少数据分析职位，其中，电商领域的职位有多少，在其中的占比？\u003C\u002Fp\u003E\u003Cp\u003EindustryField是公司的行业领域，虽然我们能用where like 计算出有几个电商的数据分析师，但是占比的计算会比较麻烦，此时可以用if。\u003C\u002Fp\u003E\u003Cdiv class=\&highlight\&\u003E\u003Cpre\u003E\u003Ccode class=\&language-mysql\&\u003E\u003Cspan\u003E\u003C\u002Fspan\u003E\u003Cspan class=\&k\&\u003Eselect\u003C\u002Fspan\u003E \u003Cspan class=\&k\&\u003Eif\u003C\u002Fspan\u003E\u003Cspan class=\&p\&\u003E(\u003C\u002Fspan\u003E\u003Cspan class=\&n\&\u003EindustryField\u003C\u002Fspan\u003E \u003Cspan class=\&k\&\u003Elike\u003C\u002Fspan\u003E \u003Cspan class=\&s1\&\u003E'%电子商务%'\u003C\u002Fspan\u003E\u003Cspan class=\&p\&\u003E,\u003C\u002Fspan\u003E\u003Cspan class=\&mi\&\u003E1\u003C\u002Fspan\u003E\u003Cspan class=\&p\&\u003E,\u003C\u002Fspan\u003E\u003Cspan class=\&mi\&\u003E0\u003C\u002Fspan\u003E\u003Cspan class=\&p\&\u003E)\u003C\u002Fspan\u003E \u003Cspan class=\&k\&\u003Efrom\u003C\u002Fspan\u003E \u003Cspan class=\&n\&\u003EDataAnalyst\u003C\u002Fspan\u003E\n\u003C\u002Fcode\u003E\u003C\u002Fpre\u003E\u003C\u002Fdiv\u003E\u003Cfigure\u003E\u003Cnoscript\u003E\u003Cimg src=\&https:\u002F\\u002Fv2-98d4f700fcf06ee371eaefb5e9ac7a5c_b.png\& data-rawwidth=\&922\& data-rawheight=\&804\& class=\&origin_image zh-lightbox-thumb\& width=\&922\& data-original=\&https:\u002F\\u002Fv2-98d4f700fcf06ee371eaefb5e9ac7a5c_r.png\&\u003E\u003C\u002Fnoscript\u003E\u003Cimg src=\&data:image\u002Fsvg+utf8,&svg%20xmlns='http:\u002F\u002Fwww.w3.org\u002FFsvg'%20width='922'%20height='804'&&\u002Fsvg&\& data-rawwidth=\&922\& data-rawheight=\&804\& class=\&origin_image zh-lightbox-thumb lazy\& width=\&922\& data-original=\&https:\u002F\\u002Fv2-98d4f700fcf06ee371eaefb5e9ac7a5c_r.png\& data-actualsrc=\&https:\u002F\\u002Fv2-98d4f700fcf06ee371eaefb5e9ac7a5c_b.png\&\u003E\u003C\u002Ffigure\u003E\u003Cp\u003E上面的公式利用if判断出哪些是电商行业的数据分析师，哪些不是。if函数中间的字段代表为true时返回的值，不过因为包含重复数据，我们需要将其改成positionId。图片中第二个count我漏加distinct了。之后，用它与group by 组合就能达成目的了。\u003C\u002Fp\u003E\u003Cdiv class=\&highlight\&\u003E\u003Cpre\u003E\u003Ccode class=\&language-mysql\&\u003E\u003Cspan\u003E\u003C\u002Fspan\u003E\u003Cspan class=\&k\&\u003Eselect\u003C\u002Fspan\u003E \u003Cspan class=\&n\&\u003Ecity\u003C\u002Fspan\u003E\u003Cspan class=\&p\&\u003E,\u003C\u002Fspan\u003E\n
\u003Cspan class=\&nf\&\u003Ecount\u003C\u002Fspan\u003E\u003Cspan class=\&p\&\u003E(\u003C\u002Fspan\u003E\u003Cspan class=\&k\&\u003Edistinct\u003C\u002Fspan\u003E \u003Cspan class=\&n\&\u003EpositionId\u003C\u002Fspan\u003E\u003Cspan class=\&p\&\u003E),\u003C\u002Fspan\u003E\n
\u003Cspan class=\&nf\&\u003Ecount\u003C\u002Fspan\u003E\u003Cspan class=\&p\&\u003E(\u003C\u002Fspan\u003E\u003Cspan class=\&k\&\u003Edistinct\u003C\u002Fspan\u003E \u003Cspan class=\&k\&\u003Eif\u003C\u002Fspan\u003E\u003Cspan class=\&p\&\u003E(\u003C\u002Fspan\u003E\u003Cspan class=\&n\&\u003EindustryField\u003C\u002Fspan\u003E \u003Cspan class=\&k\&\u003Elike\u003C\u002Fspan\u003E \u003Cspan class=\&s1\&\u003E'%电子商务%'\u003C\u002Fspan\u003E\u003Cspan class=\&p\&\u003E,\u003C\u002Fspan\u003E\u003Cspan class=\&n\&\u003EpositionId\u003C\u002Fspan\u003E\u003Cspan class=\&p\&\u003E,\u003C\u002Fspan\u003E\u003Cspan class=\&no\&\u003Enull\u003C\u002Fspan\u003E\u003Cspan class=\&p\&\u003E))\u003C\u002Fspan\u003E \n\u003Cspan class=\&k\&\u003Efrom\u003C\u002Fspan\u003E \u003Cspan class=\&n\&\u003EDataAnalyst\u003C\u002Fspan\u003E\n\u003Cspan class=\&k\&\u003Egroup\u003C\u002Fspan\u003E \u003Cspan class=\&k\&\u003Eby\u003C\u002Fspan\u003E \u003Cspan class=\&n\&\u003Ecity\u003C\u002Fspan\u003E\n\u003C\u002Fcode\u003E\u003C\u002Fpre\u003E\u003C\u002Fdiv\u003E\u003Cfigure\u003E\u003Cnoscript\u003E\u003Cimg src=\&https:\u002F\\u002Fv2-ea99f3e85ba2d643b301fcc446e98685_b.png\& data-rawwidth=\&1506\& data-rawheight=\&792\& class=\&origin_image zh-lightbox-thumb\& width=\&1506\& data-original=\&https:\u002F\\u002Fv2-ea99f3e85ba2d643b301fcc446e98685_r.png\&\u003E\u003C\u002Fnoscript\u003E\u003Cimg src=\&data:image\u002Fsvg+utf8,&svg%20xmlns='http:\u002F\u002Fwww.w3.org\u002FFsvg'%20width='1506'%20height='792'&&\u002Fsvg&\& data-rawwidth=\&1506\& data-rawheight=\&792\& class=\&origin_image zh-lightbox-thumb lazy\& width=\&1506\& data-original=\&https:\u002F\\u002Fv2-ea99f3e85ba2d643b301fcc446e98685_r.png\& data-actualsrc=\&https:\u002F\\u002Fv2-ea99f3e85ba2d643b301fcc446e98685_b.png\&\u003E\u003C\u002Ffigure\u003E\u003Cp\u003E第一列数字是职位总数，第二列是电商领域的职位数，相除就是占比。记住，count是不论0还是1都会纳入计数，所以第三个参数需要写成null，代表不是电商的职位就排除在计算之外。\u003C\u002Fp\u003E\u003Cp\u003E接下来是新的问题，如果我想找出各个城市，数据分析师岗位数量在500以上的城市有哪些，应该怎么计算？有两种方法，第一种，是使用having语句，它对聚合后的数据结果进行过滤。\u003C\u002Fp\u003E\u003Cdiv class=\&highlight\&\u003E\u003Cpre\u003E\u003Ccode class=\&language-mysql\&\u003E\u003Cspan\u003E\u003C\u002Fspan\u003E\u003Cspan class=\&k\&\u003Eselect\u003C\u002Fspan\u003E \u003Cspan class=\&n\&\u003Ecity\u003C\u002Fspan\u003E\u003Cspan class=\&p\&\u003E,\u003C\u002Fspan\u003E\u003Cspan class=\&nf\&\u003Ecount\u003C\u002Fspan\u003E\u003Cspan class=\&p\&\u003E(\u003C\u002Fspan\u003E\u003Cspan class=\&k\&\u003Edistinct\u003C\u002Fspan\u003E \u003Cspan class=\&n\&\u003EpositionId\u003C\u002Fspan\u003E\u003Cspan class=\&p\&\u003E)\u003C\u002Fspan\u003E \u003Cspan class=\&k\&\u003Efrom\u003C\u002Fspan\u003E \u003Cspan class=\&n\&\u003EDataAnalyst\u003C\u002Fspan\u003E\n\u003Cspan class=\&k\&\u003Egroup\u003C\u002Fspan\u003E \u003Cspan class=\&k\&\u003Eby\u003C\u002Fspan\u003E \u003Cspan class=\&n\&\u003Ecity\u003C\u002Fspan\u003E \u003Cspan class=\&k\&\u003Ehaving\u003C\u002Fspan\u003E \u003Cspan class=\&nf\&\u003Ecount\u003C\u002Fspan\u003E\u003Cspan class=\&p\&\u003E(\u003C\u002Fspan\u003E\u003Cspan class=\&k\&\u003Edistinct\u003C\u002Fspan\u003E \u003Cspan class=\&n\&\u003EpositionId\u003C\u002Fspan\u003E\u003Cspan class=\&p\&\u003E)\u003C\u002Fspan\u003E \u003Cspan class=\&o\&\u003E&=\u003C\u002Fspan\u003E \u003Cspan class=\&mi\&\u003E500\u003C\u002Fspan\u003E \n\u003C\u002Fcode\u003E\u003C\u002Fpre\u003E\u003C\u002Fdiv\u003E\u003Cfigure\u003E\u003Cnoscript\u003E\u003Cimg src=\&https:\u002F\\u002Fv2-6cae67add808a2dd4c39e05_b.png\& data-rawwidth=\&954\& data-rawheight=\&462\& class=\&origin_image zh-lightbox-thumb\& width=\&954\& data-original=\&https:\u002F\\u002Fv2-6cae67add808a2dd4c39e05_r.png\&\u003E\u003C\u002Fnoscript\u003E\u003Cimg src=\&data:image\u002Fsvg+utf8,&svg%20xmlns='http:\u002F\u002Fwww.w3.org\u002FFsvg'%20width='954'%20height='462'&&\u002Fsvg&\& data-rawwidth=\&954\& data-rawheight=\&462\& class=\&origin_image zh-lightbox-thumb lazy\& width=\&954\& data-original=\&https:\u002F\\u002Fv2-6cae67add808a2dd4c39e05_r.png\& data-actualsrc=\&https:\u002F\\u002Fv2-6cae67add808a2dd4c39e05_b.png\&\u003E\u003C\u002Ffigure\u003E\u003Cp\u003E第二种，是利用嵌套子查询。\u003C\u002Fp\u003E\u003Cfigure\u003E\u003Cnoscript\u003E\u003Cimg src=\&https:\u002F\\u002Fv2-0dd8ecfc91deae2eb149_b.png\& data-rawwidth=\&1036\& data-rawheight=\&478\& class=\&origin_image zh-lightbox-thumb\& width=\&1036\& data-original=\&https:\u002F\\u002Fv2-0dd8ecfc91deae2eb149_r.png\&\u003E\u003C\u002Fnoscript\u003E\u003Cimg src=\&data:image\u002Fsvg+utf8,&svg%20xmlns='http:\u002F\u002Fwww.w3.org\u002FFsvg'%20width='1036'%20height='478'&&\u002Fsvg&\& data-rawwidth=\&1036\& data-rawheight=\&478\& class=\&origin_image zh-lightbox-thumb lazy\& width=\&1036\& data-original=\&https:\u002F\\u002Fv2-0dd8ecfc91deae2eb149_r.png\& data-actualsrc=\&https:\u002F\\u002Fv2-0dd8ecfc91deae2eb149_b.png\&\u003E\u003C\u002Ffigure\u003E\u003Cp\u003E我们将第一次查询获得的城市职位数的结果，看作一张新的表，利用as 将它命名为t1( table1 的简写)，将职位数命名为一个新的字段counts。然后外面再套一层select 过滤出counts &=500。\u003C\u002Fp\u003E\u003Cp\u003E这种查询方式就叫嵌套子查询，使用场景比较广泛，where 后面也能跟子查询。\u003C\u002Fp\u003E\u003Cp\u003E很多时候，数据是凌乱的，我们希望结果能够呈现一定的顺序，这时候就用到order by语句。\u003C\u002Fp\u003E\u003Cdiv class=\&highlight\&\u003E\u003Cpre\u003E\u003Ccode class=\&language-mysql\&\u003E\u003Cspan\u003E\u003C\u002Fspan\u003E\u003Cspan class=\&k\&\u003Eselect\u003C\u002Fspan\u003E \u003Cspan class=\&n\&\u003Ecity\u003C\u002Fspan\u003E\u003Cspan class=\&p\&\u003E,\u003C\u002Fspan\u003E\u003Cspan class=\&nf\&\u003Ecount\u003C\u002Fspan\u003E\u003Cspan class=\&p\&\u003E(\u003C\u002Fspan\u003E\u003Cspan class=\&k\&\u003Edistinct\u003C\u002Fspan\u003E \u003Cspan class=\&n\&\u003EpositionId\u003C\u002Fspan\u003E\u003Cspan class=\&p\&\u003E)\u003C\u002Fspan\u003E \u003Cspan class=\&k\&\u003Eas\u003C\u002Fspan\u003E \u003Cspan class=\&n\&\u003Ecounts\u003C\u002Fspan\u003E \u003Cspan class=\&k\&\u003Efrom\u003C\u002Fspan\u003E \u003Cspan class=\&n\&\u003EDataAnalyst\u003C\u002Fspan\u003E\n\u003Cspan class=\&k\&\u003Egroup\u003C\u002Fspan\u003E \u003Cspan class=\&k\&\u003Eby\u003C\u002Fspan\u003E \u003Cspan class=\&n\&\u003Ecity\u003C\u002Fspan\u003E\n\u003Cspan class=\&k\&\u003Eorder\u003C\u002Fspan\u003E \u003Cspan class=\&k\&\u003Eby\u003C\u002Fspan\u003E \u003Cspan class=\&n\&\u003Ecounts\u003C\u002Fspan\u003E\n\u003C\u002Fcode\u003E\u003C\u002Fpre\u003E\u003C\u002Fdiv\u003E\u003Cfigure\u003E\u003Cnoscript\u003E\u003Cimg src=\&https:\u002F\\u002Fv2-da63abac6e51de7b440ea646_b.png\& data-rawwidth=\&1188\& data-rawheight=\&822\& class=\&origin_image zh-lightbox-thumb\& width=\&1188\& data-original=\&https:\u002F\\u002Fv2-da63abac6e51de7b440ea646_r.png\&\u003E\u003C\u002Fnoscript\u003E\u003Cimg src=\&data:image\u002Fsvg+utf8,&svg%20xmlns='http:\u002F\u002Fwww.w3.org\u002FFsvg'%20width='1188'%20height='822'&&\u002Fsvg&\& data-rawwidth=\&1188\& data-rawheight=\&822\& class=\&origin_image zh-lightbox-thumb lazy\& width=\&1188\& data-original=\&https:\u002F\\u002Fv2-da63abac6e51de7b440ea646_r.png\& data-actualsrc=\&https:\u002F\\u002Fv2-da63abac6e51de7b440ea646_b.png\&\u003E\u003C\u002Ffigure\u003E\u003Cp\u003E看，数据就按照统计结果升序排列，如果需要降序，则是order by counts desc，后面加一个desc就好了。如果是多个字段，按逗号分隔即可。\u003C\u002Fp\u003E\u003Cp\u003E我们再来熟悉SQL的常用函数，首先是时间。因为我们的练习数据中没有时间，首先用now创建出一个时间字段。\u003C\u002Fp\u003E\u003Cdiv class=\&highlight\&\u003E\u003Cpre\u003E\u003Ccode class=\&language-mysql\&\u003E\u003Cspan\u003E\u003C\u002Fspan\u003E\u003Cspan class=\&k\&\u003Eselect\u003C\u002Fspan\u003E \u003Cspan class=\&nf\&\u003Enow\u003C\u002Fspan\u003E\u003Cspan class=\&p\&\u003E()\u003C\u002Fspan\u003E\n\u003C\u002Fcode\u003E\u003C\u002Fpre\u003E\u003C\u002Fdiv\u003E\u003Cp\u003E直接执行它，就能获得当前的系统时间，精确到秒。其实select不一定后面要跟from。\u003C\u002Fp\u003E\u003Cdiv class=\&highlight\&\u003E\u003Cpre\u003E\u003Ccode class=\&language-mysql\&\u003E\u003Cspan\u003E\u003C\u002Fspan\u003E\u003Cspan class=\&k\&\u003Eselect\u003C\u002Fspan\u003E \u003Cspan class=\&kt\&\u003Edate\u003C\u002Fspan\u003E\u003Cspan class=\&p\&\u003E(\u003C\u002Fspan\u003E\u003Cspan class=\&nf\&\u003Enow\u003C\u002Fspan\u003E\u003Cspan class=\&p\&\u003E())\u003C\u002Fspan\u003E\n\u003C\u002Fcode\u003E\u003C\u002Fpre\u003E\u003C\u002Fdiv\u003E\u003Cp\u003E它代表的是获得当前日期，week函数获得当前第几周，month函数获得当前第几个月。其余还包括，quarter，year，day，hour，minute。\u003C\u002Fp\u003E\u003Cp\u003E时间函数也包含各种参数，比如week，因为中西方计算第几天是不一样的，西方把周日算作一周中的第一天，而我们习惯周一。\u003C\u002Fp\u003E\u003Cdiv class=\&highlight\&\u003E\u003Cpre\u003E\u003Ccode class=\&language-mysql\&\u003E\u003Cspan\u003E\u003C\u002Fspan\u003E\u003Cspan class=\&k\&\u003Eselect\u003C\u002Fspan\u003E \u003Cspan class=\&nf\&\u003Eweek\u003C\u002Fspan\u003E\u003Cspan class=\&p\&\u003E(\u003C\u002Fspan\u003E\u003Cspan class=\&nf\&\u003Enow\u003C\u002Fspan\u003E\u003Cspan class=\&p\&\u003E(),\u003C\u002Fspan\u003E\u003Cspan class=\&mi\&\u003E0\u003C\u002Fspan\u003E\u003Cspan class=\&p\&\u003E)\u003C\u002Fspan\u003E\n\u003C\u002Fcode\u003E\u003C\u002Fpre\u003E\u003C\u002Fdiv\u003E\u003Cp\u003E除了以上的日期表达，也可以使用dayofyear、weekofyear 的形式计算。它和上面的部分函数等价。\u003C\u002Fp\u003E\u003Cp\u003E怎么对时间进行加减法呢？这时候靠date_add函数出马。\u003C\u002Fp\u003E\u003Cdiv class=\&highlight\&\u003E\u003Cpre\u003E\u003Ccode class=\&language-mysql\&\u003E\u003Cspan\u003E\u003C\u002Fspan\u003E\u003Cspan class=\&k\&\u003Eselect\u003C\u002Fspan\u003E \u003Cspan class=\&nf\&\u003Edate_add\u003C\u002Fspan\u003E\u003Cspan class=\&p\&\u003E(\u003C\u002Fspan\u003E\u003Cspan class=\&kt\&\u003Edate\u003C\u002Fspan\u003E\u003Cspan class=\&p\&\u003E(\u003C\u002Fspan\u003E\u003Cspan class=\&nf\&\u003Enow\u003C\u002Fspan\u003E\u003Cspan class=\&p\&\u003E())\u003C\u002Fspan\u003E \u003Cspan class=\&p\&\u003E,\u003C\u002Fspan\u003E\u003Cspan class=\&k\&\u003Einterval\u003C\u002Fspan\u003E \u003Cspan class=\&mi\&\u003E1\u003C\u002Fspan\u003E \u003Cspan class=\&n\&\u003Eday\u003C\u002Fspan\u003E\u003Cspan class=\&p\&\u003E)\u003C\u002Fspan\u003E\n\u003C\u002Fcode\u003E\u003C\u002Fpre\u003E\u003C\u002Fdiv\u003E\u003Cfigure\u003E\u003Cnoscript\u003E\u003Cimg src=\&https:\u002F\\u002Fv2-5fd2cf2e0e3fee925746_b.png\& data-rawwidth=\&756\& data-rawheight=\&376\& class=\&origin_image zh-lightbox-thumb\& width=\&756\& data-original=\&https:\u002F\\u002Fv2-5fd2cf2e0e3fee925746_r.png\&\u003E\u003C\u002Fnoscript\u003E\u003Cimg src=\&data:image\u002Fsvg+utf8,&svg%20xmlns='http:\u002F\u002Fwww.w3.org\u002FFsvg'%20width='756'%20height='376'&&\u002Fsvg&\& data-rawwidth=\&756\& data-rawheight=\&376\& class=\&origin_image zh-lightbox-thumb lazy\& width=\&756\& data-original=\&https:\u002F\\u002Fv2-5fd2cf2e0e3fee925746_r.png\& data-actualsrc=\&https:\u002F\\u002Fv2-5fd2cf2e0e3fee925746_b.png\&\u003E\u003C\u002Ffigure\u003E\u003Cp\u003E我们可以改变1为负数，达到减法的目的，也能更改day为week、year等，进行其他时间间隔的运算。如果是求两个时间的间隔，则是datediff(date1,date2)或者timediff(time1,time2)。\u003C\u002Fp\u003E\u003Cp\u003E时间函数的运用比较灵活，没有特殊限定，网络上的文档和教程也不少，可以深入学习。\u003C\u002Fp\u003E\u003Cp\u003E最后是数据清洗类的函数。\u003C\u002Fp\u003E\u003Cdiv class=\&highlight\&\u003E\u003Cpre\u003E\u003Ccode class=\&language-mysql\&\u003E\u003Cspan\u003E\u003C\u002Fspan\u003E\u003Cspan class=\&k\&\u003Eselect\u003C\u002Fspan\u003E \u003Cspan class=\&k\&\u003Eleft\u003C\u002Fspan\u003E\u003Cspan class=\&p\&\u003E(\u003C\u002Fspan\u003E\u003Cspan class=\&n\&\u003Esalary\u003C\u002Fspan\u003E\u003Cspan class=\&p\&\u003E,\u003C\u002Fspan\u003E\u003Cspan class=\&mi\&\u003E1\u003C\u002Fspan\u003E\u003Cspan class=\&p\&\u003E)\u003C\u002Fspan\u003E \u003Cspan class=\&k\&\u003Efrom\u003C\u002Fspan\u003E \u003Cspan class=\&n\&\u003EDataAnalyst\u003C\u002Fspan\u003E\n\u003C\u002Fcode\u003E\u003C\u002Fpre\u003E\u003C\u002Fdiv\u003E\u003Cp\u003EMySQL支持left、right、mid等函数，这里又和Excel一样。我们通过salary计算数据分析师的工资吧（这一步骤，在曾经的文章中已经用Excel和BI多次讲解，所以我就不多赘述了，只讲过程，不熟悉的同学可以看历史内容）。\u003C\u002Fp\u003E\u003Cp\u003E首先利用locate函数查找第一个k所在的位置。\u003C\u002Fp\u003E\u003Cdiv class=\&highlight\&\u003E\u003Cpre\u003E\u003Ccode class=\&language-mysql\&\u003E\u003Cspan\u003E\u003C\u002Fspan\u003E\u003Cspan class=\&k\&\u003Eselect\u003C\u002Fspan\u003E \u003Cspan class=\&nf\&\u003Elocate\u003C\u002Fspan\u003E\u003Cspan class=\&p\&\u003E(\u003C\u002Fspan\u003E\u003Cspan class=\&s2\&\u003E\&k\&\u003C\u002Fspan\u003E\u003Cspan class=\&p\&\u003E,\u003C\u002Fspan\u003E\u003Cspan class=\&n\&\u003Esalary\u003C\u002Fspan\u003E\u003Cspan class=\&p\&\u003E),\u003C\u002Fspan\u003E\u003Cspan class=\&n\&\u003Esalary\u003C\u002Fspan\u003E \u003Cspan class=\&k\&\u003Efrom\u003C\u002Fspan\u003E \u003Cspan class=\&n\&\u003EDataAnalyst\u003C\u002Fspan\u003E\n\u003C\u002Fcode\u003E\u003C\u002Fpre\u003E\u003C\u002Fdiv\u003E\u003Cfigure\u003E\u003Cnoscript\u003E\u003Cimg src=\&https:\u002F\\u002Fv2-e3accd77dd81fe81bea8a_b.png\& data-rawwidth=\&848\& data-rawheight=\&632\& class=\&origin_image zh-lightbox-thumb\& width=\&848\& data-original=\&https:\u002F\\u002Fv2-e3accd77dd81fe81bea8a_r.png\&\u003E\u003C\u002Fnoscript\u003E\u003Cimg src=\&data:image\u002Fsvg+utf8,&svg%20xmlns='http:\u002F\u002Fwww.w3.org\u002FFsvg'%20width='848'%20height='632'&&\u002Fsvg&\& data-rawwidth=\&848\& data-rawheight=\&632\& class=\&origin_image zh-lightbox-thumb lazy\& width=\&848\& data-original=\&https:\u002F\\u002Fv2-e3accd77dd81fe81bea8a_r.png\& data-actualsrc=\&https:\u002F\\u002Fv2-e3accd77dd81fe81bea8a_b.png\&\u003E\u003C\u002Ffigure\u003E\u003Cp\u003E然后使用left函数截取薪水的下限。\u003C\u002Fp\u003E\u003Cdiv class=\&highlight\&\u003E\u003Cpre\u003E\u003Ccode class=\&language-mysql\&\u003E\u003Cspan\u003E\u003C\u002Fspan\u003E\u003Cspan class=\&k\&\u003Eselect\u003C\u002Fspan\u003E \u003Cspan class=\&k\&\u003Eleft\u003C\u002Fspan\u003E\u003Cspan class=\&p\&\u003E(\u003C\u002Fspan\u003E\u003Cspan class=\&n\&\u003Esalary\u003C\u002Fspan\u003E\u003Cspan class=\&p\&\u003E,\u003C\u002Fspan\u003E\u003Cspan class=\&nf\&\u003Elocate\u003C\u002Fspan\u003E\u003Cspan class=\&p\&\u003E(\u003C\u002Fspan\u003E\u003Cspan class=\&s2\&\u003E\&k\&\u003C\u002Fspan\u003E\u003Cspan class=\&p\&\u003E,\u003C\u002Fspan\u003E\u003Cspan class=\&n\&\u003Esalary\u003C\u002Fspan\u003E\u003Cspan class=\&p\&\u003E)\u003C\u002Fspan\u003E\u003Cspan class=\&o\&\u003E-\u003C\u002Fspan\u003E\u003Cspan class=\&mi\&\u003E1\u003C\u002Fspan\u003E\u003Cspan class=\&p\&\u003E),\u003C\u002Fspan\u003E\u003Cspan class=\&n\&\u003Esalary\u003C\u002Fspan\u003E \u003Cspan class=\&k\&\u003Efrom\u003C\u002Fspan\u003E \u003Cspan class=\&n\&\u003EDataAnalyst\u003C\u002Fspan\u003E\n\u003C\u002Fcode\u003E\u003C\u002Fpre\u003E\u003C\u002Fdiv\u003E\u003Cfigure\u003E\u003Cnoscript\u003E\u003Cimg src=\&https:\u002F\\u002Fv2-a43c54f2454faaeca925ee_b.png\& data-rawwidth=\&974\& data-rawheight=\&574\& class=\&origin_image zh-lightbox-thumb\& width=\&974\& data-original=\&https:\u002F\\u002Fv2-a43c54f2454faaeca925ee_r.png\&\u003E\u003C\u002Fnoscript\u003E\u003Cimg src=\&data:image\u002Fsvg+utf8,&svg%20xmlns='http:\u002F\u002Fwww.w3.org\u002FFsvg'%20width='974'%20height='574'&&\u002Fsvg&\& data-rawwidth=\&974\& data-rawheight=\&574\& class=\&origin_image zh-lightbox-thumb lazy\& width=\&974\& data-original=\&https:\u002F\\u002Fv2-a43c54f2454faaeca925ee_r.png\& data-actualsrc=\&https:\u002F\\u002Fv2-a43c54f2454faaeca925ee_b.png\&\u003E\u003C\u002Ffigure\u003E\u003Cp\u003E为了获得薪水的上限，要用substr函数，或者mid，两者等价。\u003C\u002Fp\u003E\u003Cblockquote\u003E\u003Cp\u003Esubstr（字符串，从哪里开始截，截取的长度）\u003C\u002Fp\u003E\u003C\u002Fblockquote\u003E\u003Cp\u003E薪水上限的开始位置是「-」位置往后推一位。截取长度是整个字符串减去「-」所在位置，刚好是后半段我们需要的内容，不过这个内容是包含「K」的，所以最后结果还得再减去1。\u003C\u002Fp\u003E\u003Cfigure\u003E\u003Cnoscript\u003E\u003Cimg src=\&https:\u002F\\u002Fv2-93ef879b0bc4fc7ee7ce610b29c5ac86_b.png\& data-rawwidth=\&1294\& data-rawheight=\&608\& class=\&origin_image zh-lightbox-thumb\& width=\&1294\& data-original=\&https:\u002F\\u002Fv2-93ef879b0bc4fc7ee7ce610b29c5ac86_r.png\&\u003E\u003C\u002Fnoscript\u003E\u003Cimg src=\&data:image\u002Fsvg+utf8,&svg%20xmlns='http:\u002F\u002Fwww.w3.org\u002FFsvg'%20width='1294'%20height='608'&&\u002Fsvg&\& data-rawwidth=\&1294\& data-rawheight=\&608\& class=\&origin_image zh-lightbox-thumb lazy\& width=\&1294\& data-original=\&https:\u002F\\u002Fv2-93ef879b0bc4fc7ee7ce610b29c5ac86_r.png\& data-actualsrc=\&https:\u002F\\u002Fv2-93ef879b0bc4fc7ee7ce610b29c5ac86_b.png\&\u003E\u003C\u002Ffigure\u003E\u003Cp\u003E这里不了解不要紧，可以将计算过程分步骤运行。基本上，了解了上面写法的含义，文本清洗这块就没有问题了（not like用来清洗乱七八糟的薪水，我简单处理了）。再然后计算不同城市不同工作年限的平均薪资。\u003C\u002Fp\u003E\u003Cdiv class=\&highlight\&\u003E\u003Cpre\u003E\u003Ccode class=\&language-mysql\&\u003E\u003Cspan\u003E\u003C\u002Fspan\u003E\u003Cspan class=\&k\&\u003Eselect\u003C\u002Fspan\u003E \u003Cspan class=\&n\&\u003Ecity\u003C\u002Fspan\u003E\u003Cspan class=\&p\&\u003E,\u003C\u002Fspan\u003E\u003Cspan class=\&n\&\u003EworkYear\u003C\u002Fspan\u003E\u003Cspan class=\&p\&\u003E,\u003C\u002Fspan\u003E\u003Cspan class=\&nf\&\u003Eavg\u003C\u002Fspan\u003E\u003Cspan class=\&p\&\u003E((\u003C\u002Fspan\u003E\u003Cspan class=\&n\&\u003EbottomSalary\u003C\u002Fspan\u003E\u003Cspan class=\&o\&\u003E+\u003C\u002Fspan\u003E\u003Cspan class=\&n\&\u003EtopSalary\u003C\u002Fspan\u003E\u003Cspan class=\&p\&\u003E)\u003C\u002Fspan\u003E\u003Cspan class=\&o\&\u003E\u002F\u003C\u002Fspan\u003E\u003Cspan class=\&mi\&\u003E2\u003C\u002Fspan\u003E\u003Cspan class=\&p\&\u003E)\u003C\u002Fspan\u003E \u003Cspan class=\&k\&\u003Eas\u003C\u002Fspan\u003E \u003Cspan class=\&n\&\u003EavgSalary\u003C\u002Fspan\u003E\n\u003Cspan class=\&k\&\u003Efrom\u003C\u002Fspan\u003E \u003Cspan class=\&p\&\u003E(\u003C\u002Fspan\u003E\u003Cspan class=\&k\&\u003Eselect\u003C\u002Fspan\u003E \u003Cspan class=\&k\&\u003Eleft\u003C\u002Fspan\u003E\u003Cspan class=\&p\&\u003E(\u003C\u002Fspan\u003E\u003Cspan class=\&n\&\u003Esalary\u003C\u002Fspan\u003E\u003Cspan class=\&p\&\u003E,\u003C\u002Fspan\u003E\u003Cspan class=\&nf\&\u003Elocate\u003C\u002Fspan\u003E\u003Cspan class=\&p\&\u003E(\u003C\u002Fspan\u003E\u003Cspan class=\&s2\&\u003E\&K\&\u003C\u002Fspan\u003E\u003Cspan class=\&p\&\u003E,\u003C\u002Fspan\u003E\u003Cspan class=\&n\&\u003Esalary\u003C\u002Fspan\u003E\u003Cspan class=\&p\&\u003E)\u003C\u002Fspan\u003E\u003Cspan class=\&o\&\u003E-\u003C\u002Fspan\u003E\u003Cspan class=\&mi\&\u003E1\u003C\u002Fspan\u003E\u003Cspan class=\&p\&\u003E)\u003C\u002Fspan\u003E \u003Cspan class=\&k\&\u003Eas\u003C\u002Fspan\u003E \u003Cspan class=\&n\&\u003EbottomSalary\u003C\u002Fspan\u003E\u003Cspan class=\&p\&\u003E,\u003C\u002Fspan\u003E\n
\u003Cspan class=\&nf\&\u003Esubstr\u003C\u002Fspan\u003E\u003Cspan class=\&p\&\u003E(\u003C\u002Fspan\u003E\u003Cspan class=\&n\&\u003Esalary\u003C\u002Fspan\u003E\u003Cspan class=\&p\&\u003E,\u003C\u002Fspan\u003E\u003Cspan class=\&nf\&\u003Elocate\u003C\u002Fspan\u003E\u003Cspan class=\&p\&\u003E(\u003C\u002Fspan\u003E\u003Cspan class=\&s2\&\u003E\&-\&\u003C\u002Fspan\u003E\u003Cspan class=\&p\&\u003E,\u003C\u002Fspan\u003E\u003Cspan class=\&n\&\u003Esalary\u003C\u002Fspan\u003E\u003Cspan class=\&p\&\u003E)\u003C\u002Fspan\u003E\u003Cspan class=\&o\&\u003E+\u003C\u002Fspan\u003E\u003Cspan class=\&mi\&\u003E1\u003C\u002Fspan\u003E\u003Cspan class=\&p\&\u003E,\u003C\u002Fspan\u003E\u003Cspan class=\&nf\&\u003Elength\u003C\u002Fspan\u003E\u003Cspan class=\&p\&\u003E(\u003C\u002Fspan\u003E\u003Cspan class=\&n\&\u003Esalary\u003C\u002Fspan\u003E\u003Cspan class=\&p\&\u003E)\u003C\u002Fspan\u003E\u003Cspan class=\&o\&\u003E-\u003C\u002Fspan\u003E \u003Cspan class=\&nf\&\u003Elocate\u003C\u002Fspan\u003E\u003Cspan class=\&p\&\u003E(\u003C\u002Fspan\u003E\u003Cspan class=\&s2\&\u003E\&-\&\u003C\u002Fspan\u003E\u003Cspan class=\&p\&\u003E,\u003C\u002Fspan\u003E\u003Cspan class=\&n\&\u003Esalary\u003C\u002Fspan\u003E\u003Cspan class=\&p\&\u003E)\u003C\u002Fspan\u003E\u003Cspan class=\&o\&\u003E-\u003C\u002Fspan\u003E\u003Cspan class=\&mi\&\u003E1\u003C\u002Fspan\u003E\u003Cspan class=\&p\&\u003E)\u003C\u002Fspan\u003E \u003Cspan class=\&k\&\u003Eas\u003C\u002Fspan\u003E \u003Cspan class=\&n\&\u003EtopSalary\u003C\u002Fspan\u003E\u003Cspan class=\&p\&\u003E,\u003C\u002Fspan\u003E\n
\u003Cspan class=\&n\&\u003Ecity\u003C\u002Fspan\u003E\u003Cspan class=\&p\&\u003E,\u003C\u002Fspan\u003E\u003Cspan class=\&n\&\u003EpositionId\u003C\u002Fspan\u003E\u003Cspan class=\&p\&\u003E,\u003C\u002Fspan\u003E\u003Cspan class=\&n\&\u003EworkYear\u003C\u002Fspan\u003E\n
\u003Cspan class=\&k\&\u003Efrom\u003C\u002Fspan\u003E \u003Cspan class=\&n\&\u003EDataAnalyst\u003C\u002Fspan\u003E\n
\u003Cspan class=\&k\&\u003Ewhere\u003C\u002Fspan\u003E \u003Cspan class=\&n\&\u003Esalary\u003C\u002Fspan\u003E \u003Cspan class=\&k\&\u003Enot\u003C\u002Fspan\u003E \u003Cspan class=\&k\&\u003Elike\u003C\u002Fspan\u003E \u003Cspan class=\&s1\&\u003E'%以上%'\u003C\u002Fspan\u003E\u003Cspan class=\&p\&\u003E)\u003C\u002Fspan\u003E \u003Cspan class=\&k\&\u003Eas\u003C\u002Fspan\u003E \u003Cspan class=\&n\&\u003Et1\u003C\u002Fspan\u003E\n\u003Cspan class=\&k\&\u003Egroup\u003C\u002Fspan\u003E \u003Cspan class=\&k\&\u003Eby\u003C\u002Fspan\u003E \u003Cspan class=\&n\&\u003Ecity\u003C\u002Fspan\u003E\u003Cspan class=\&p\&\u003E,\u003C\u002Fspan\u003E\u003Cspan class=\&n\&\u003EworkYear\u003C\u002Fspan\u003E\n\u003Cspan class=\&k\&\u003Eorder\u003C\u002Fspan\u003E \u003Cspan class=\&k\&\u003Eby\u003C\u002Fspan\u003E \u003Cspan class=\&n\&\u003Ecity\u003C\u002Fspan\u003E\u003Cspan class=\&p\&\u003E,\u003C\u002Fspan\u003E\u003Cspan class=\&n\&\u003EavgSalary\u003C\u002Fspan\u003E \n\u003C\u002Fcode\u003E\u003C\u002Fpre\u003E\u003C\u002Fdiv\u003E尼玛，知乎的编辑器对齐不方便啊……\u003Cbr\u003E\u003Cfigure\u003E\u003Cnoscript\u003E\u003Cimg src=\&https:\u002F\\u002Fv2-b931c071ced_b.png\& data-rawwidth=\&734\& data-rawheight=\&390\& class=\&origin_image zh-lightbox-thumb\& width=\&734\& data-original=\&https:\u002F\\u002Fv2-b931c071ced_r.png\&\u003E\u003C\u002Fnoscript\u003E\u003Cimg src=\&data:image\u002Fsvg+utf8,&svg%20xmlns='http:\u002F\u002Fwww.w3.org\u002FFsvg'%20width='734'%20height='390'&&\u002Fsvg&\& data-rawwidth=\&734\& data-rawheight=\&390\& class=\&origin_image zh-lightbox-thumb lazy\& width=\&734\& data-original=\&https:\u002F\\u002Fv2-b931c071ced_r.png\& data-actualsrc=\&https:\u002F\\u002Fv2-b931c071ced_b.png\&\u003E\u003C\u002Ffigure\u003E\u003Cp\u003E上面语句，我们用了文本清洗、子查询嵌套、分组聚合、排序等多种用法，属于较复杂的查询。重复数据的问题，因为我是复制了一份北京数据，数量刚好乘二，对平均数没有影响，感兴趣的朋友可以再加一步清洗掉它。\u003C\u002Fp\u003E\u003Cp\u003E下面是三道思考题：\u003C\u002Fp\u003E\u003Cul\u003E\u003Cli\u003E查询出哪家公司招聘的岗位数最多；\u003Cbr\u003E\u003C\u002Fli\u003E\u003Cli\u003E查询出O2O、电子商务、互联网金融这三个行业，哪个行业的平均薪资最高；\u003Cbr\u003E\u003C\u002Fli\u003E\u003Cli\u003E查询出各城市的最高薪水Top3是哪家公司哪个岗位。\u003C\u002Fli\u003E\u003C\u002Ful\u003E\u003Cp\u003E做完上面的题目，你已经神功初成，数据分析的SQL意见没有大问题了。更复杂的查询，也无非是嵌套更多的内容，本质思路是一样的。\u003C\u002Fp\u003E\u003Cp\u003E讲到这里，只剩join语法还没有教大家。因为练习数据只有一张表，而join又是SQL中比较容易混淆的难点，我会单独开一篇内容讲解，到时候使用SQLZoo和LeetCode的案例。\u003C\u002Fp\u003E\u003Cp\u003ELeetCode是知名的算法竞赛网站，可以在上面和全世界的程序员比拼算法，当然我们只练习SQL，完成后，至少能秒杀全世界50%的程序员吧（知乎程序员大牛多，别打我，哈哈）。\u003C\u002Fp\u003E\u003Cbr\u003E\u003Cp\u003E——————\u003C\u002Fp\u003E\u003Cp\u003E欢迎关注我的公众号：tracykanc\u003C\u002Fp\u003E&,&updated&:new Date(&T16:25:52.000Z&),&canComment&:false,&commentPermission&:&anyone&,&commentCount&:57,&collapsedCount&:0,&likeCount&:319,&state&:&published&,&isLiked&:false,&slug&:&&,&lastestTipjarors&:[{&isFollowed&:false,&name&:&旋转的木象&,&headline&:&&,&avatarUrl&:&https:\u002F\\u002Fda8e974dc_s.jpg&,&isFollowing&:false,&type&:&people&,&slug&:&xuan-zhuan-de-mu-xiang&,&bio&:&原地起舞的傻子&,&hash&:&fb08bd0d&,&uid&:496300,&isOrg&:false,&description&:&&,&profileUrl&:&https:\u002F\\u002Fpeople\u002Fxuan-zhuan-de-mu-xiang&,&avatar&:{&id&:&da8e974dc&,&template&:&https:\u002F\\u002F{id}_{size}.jpg&},&isOrgWhiteList&:false,&isBanned&:false},{&isFollowed&:false,&name&:&昱翰&,&headline&:&&,&avatarUrl&:&https:\u002F\\u002F50\u002Ffb2838b2b_s.jpg&,&isFollowing&:false,&type&:&people&,&slug&:&lengyuan0224&,&bio&:&金融\u002F法语&,&hash&:&c95ee1e923a899ada7b6ec1ad05c6166&,&uid&:56,&isOrg&:false,&description&:&&,&profileUrl&:&https:\u002F\\u002Fpeople\u002Flengyuan0224&,&avatar&:{&id&:&fb2838b2b&,&template&:&https:\u002F\\u002F50\u002F{id}_{size}.jpg&},&isOrgWhiteList&:false,&isBanned&:false}],&isTitleImageFullScreen&:false,&rating&:&none&,&titleImage&:&https:\u002F\\u002Fv2-14f1ab89_r.jpg&,&links&:{&comments&:&\u002Fapi\u002Fposts\u002F2Fcomments&},&reviewers&:[],&topics&:[{&url&:&https:\u002F\\u002Ftopic\u002F&,&id&:&&,&name&:&MySQL 入门&},{&url&:&https:\u002F\\u002Ftopic\u002F&,&id&:&&,&name&:&数据分析&},{&url&:&https:\u002F\\u002Ftopic\u002F&,&id&:&&,&name&:&产品运营&}],&adminClosedComment&:false,&titleImageSize&:{&width&:500,&height&:386},&href&:&\u002Fapi\u002Fposts\u002F&,&excerptTitle&:&&,&column&:{&slug&:&qinlu&,&name&:&运营大湿兄&},&tipjarState&:&activated&,&tipjarTagLine&:&真诚赞赏，手留余香&,&sourceUrl&:&&,&pageCommentsCount&:57,&tipjarorCount&:2,&annotationAction&:[],&hasPublishingDraft&:false,&snapshotUrl&:&&,&publishedTime&:&T00:25:52+08:00&,&url&:&\u002Fp\u002F&,&lastestLikers&:[{&bio&:&数据分析师&,&isFollowing&:false,&hash&:&60ceb968c11b&,&uid&:822800,&isOrg&:false,&slug&:&lu-shi-zi-ji-zou-chu-lai-de&,&isFollowed&:false,&description&:&&,&name&:&路是自己走出来的&,&profileUrl&:&https:\u002F\\u002Fpeople\u002Flu-shi-zi-ji-zou-chu-lai-de&,&avatar&:{&id&:&v2-6d96bcdf8&,&template&:&https:\u002F\\u002F50\u002F{id}_{size}.jpg&},&isOrgWhiteList&:false,&isBanned&:false},{&bio&:&pm&,&isFollowing&:false,&hash&:&d21141bc3dfd719bb2437e&,&uid&:998100,&isOrg&:false,&slug&:&feng-kuang-de-pm&,&isFollowed&:false,&description&:&&,&name&:&疯狂的PM&,&profileUrl&:&https:\u002F\\u002Fpeople\u002Ffeng-kuang-de-pm&,&avatar&:{&id&:&da8e974dc&,&template&:&https:\u002F\\u002F{id}_{size}.jpg&},&isOrgWhiteList&:false,&isBanned&:false},{&bio&:&O(∩_∩)O&,&isFollowing&:false,&hash&:&dbf4e482da19ccef56a8e7ce7bb1907b&,&uid&:08,&isOrg&:false,&slug&:&yang-dong-yao&,&isFollowed&:false,&description&:&&,&name&:&杨冬瑶&,&profileUrl&:&https:\u002F\\u002Fpeople\u002Fyang-dong-yao&,&avatar&:{&id&:&fd96e733d1cf48a8dd29a228fba46809&,&template&:&https:\u002F\\u002F50\u002F{id}_{size}.jpg&},&isOrgWhiteList&:false,&isBanned&:false},{&bio&:&烧酒命烧酒命。为了烧酒要卖命&,&isFollowing&:false,&hash&:&75ff7cdc32a069f2537224&,&uid&:56,&isOrg&:false,&slug&:&feng-xiao-yao-19&,&isFollowed&:false,&description&:&&,&name&:&风逍遥&,&profileUrl&:&https:\u002F\\u002Fpeople\u002Ffeng-xiao-yao-19&,&avatar&:{&id&:&4ae000db1&,&template&:&https:\u002F\\u002F50\u002F{id}_{size}.jpg&},&isOrgWhiteList&:false,&isBanned&:false},{&bio&:&打酱油的&,&isFollowing&:false,&hash&:&86ef72c5c051bdfd6fdc6227390bcc98&,&uid&:48,&isOrg&:false,&slug&:&gao-bin-bin-72&,&isFollowed&:false,&description&:&亦正亦谐，可以安静的一言不发，也可以狂热得激情迸发。&,&name&:&高彬彬&,&profileUrl&:&https:\u002F\\u002Fpeople\u002Fgao-bin-bin-72&,&avatar&:{&id&:&75b8a33fd0a134f4ceece09f49e6db9a&,&template&:&https:\u002F\\u002F50\u002F{id}_{size}.jpg&},&isOrgWhiteList&:false,&isBanned&:false}],&summary&:&\u003Cimg src=\&http:\u002F\\u002Fv2-9cbfe856b9a539c999579fb_200x112.png\& data-rawwidth=\&1474\& data-rawheight=\&828\& class=\&origin_image inline-img zh-lightbox-thumb\& data-original=\&http:\u002F\\u002Fv2-9cbfe856b9a539c999579fb_r.png\&\u003E本文是\u003Ca href=\&https:\u002F\\u002Fquestion\u002F2Fanswer\u002F\& class=\&\& data-editable=\&true\& data-title=\&如何快速成为数据分析师\&\u003E如何快速成为数据分析师\u003C\u002Fa\u003E的第十篇教程，如果想要了解写作初衷，可以先行阅读七周指南。温馨提示：如果您已经熟悉数据库，大可不必再看这篇文章，或只挑选部分。 在《\u003Ca href=\&http:\u002F\u002Fmp.\u002Fs?__biz=MjM5NjEyMDI2MQ==&mid=&idx=1&sn=38b912a77af98efe541bb53de2114e3a&chksm=bffc73ef2cb6b08ec41053ce3&scene=21#wechat_redirect\& data-editable=\&true\& data-title=\&写给新人的数据库指南\& class=\&\&\u003E写给新人的数据库指南\u003C\u002Fa\u003E》，我们已经成功的安装数据库，并且导入数据，今天进入MySQL的…&,&reviewingCommentsCount&:0,&meta&:{&previous&:{&isTitleImageFullScreen&:false,&rating&:&none&,&titleImage&:&https:\u002F\\u002F50\u002Fv2-14f1ab89_xl.jpg&,&links&:{&comments&:&\u002Fapi\u002Fposts\u002F2Fcomments&},&topics&:[{&url&:&https:\u002F\\u002Ftopic\u002F&,&id&:&&,&name&:&MySQL 入门&},{&url&:&https:\u002F\\u002Ftopic\u002F&,&id&:&&,&name&:&数据分析&},{&url&:&https:\u002F\\u002Ftopic\u002F&,&id&:&&,&name&:&产品运营&}],&adminClosedComment&:false,&href&:&\u002Fapi\u002Fposts\u002F&,&excerptTitle&:&&,&author&:{&bio&:&万物皆有裂痕，那是光进来的地方&,&isFollowing&:false,&hash&:&fd165ce69c8edd9e753533&,&uid&:12,&isOrg&:false,&slug&:&qin-lu-17&,&isFollowed&:false,&description&:&个人微信公众号：tracykanc（不定期更新运营和数据知识）&,&name&:&秦路&,&profileUrl&:&https:\u002F\\u002Fpeople\u002Fqin-lu-17&,&avatar&:{&id&:&9055741cdbde776ede7c0a&,&template&:&https:\u002F\\u002F50\u002F{id}_{size}.jpg&},&isOrgWhiteList&:false,&isBanned&:false},&column&:{&slug&:&qinlu&,&name&:&运营大湿兄&},&content&:&\u003Cblockquote\u003E本文是\u003Ca href=\&https:\u002F\\u002Fquestion\u002F2Fanswer\u002F\& class=\&internal\&\u003E《如何七周成为数据分析师》\u003C\u002Fa\u003E的第九篇教程，如果想要了解写作初衷，可以先行阅读七周指南。温馨提示：如果您已经熟悉数据库，大可不必再看这篇文章，或只挑选部分。\u003C\u002Fblockquote\u003E\u003Cbr\u003E\u003Cp\u003E我们进入第四周数据库的内容，在数据分析师的职业生涯中，数据库与SQL会是他们性价比最高的技能之一。\u003C\u002Fp\u003E\u003Cp\u003E数据库是逻辑上的概念，它是一堆互相关联的数据，放在物理实体上，是一堆写在磁盘上的文件，文件中有数据。这些最基础的数据组成了表(table)，我们把它想象成一张Excel的sheet。\u003C\u002Fp\u003E\u003Cfigure\u003E\u003Cimg src=\&https:\u002F\\u002Fv2-3cb26f3bf25b421a49806bac88a807e6_b.jpg\& data-rawwidth=\&1218\& data-rawheight=\&410\& class=\&origin_image zh-lightbox-thumb\& width=\&1218\& data-original=\&https:\u002F\\u002Fv2-3cb26f3bf25b421a49806bac88a807e6_r.jpg\&\u003E\u003C\u002Ffigure\u003E\u003Cp\u003E数据表的抽象概念如上图。\u003C\u002Fp\u003E\u003Cp\u003EID是数据库中重要的概念，叫做唯一标识符／主键，用来表示数据的唯一性。我们把它理解成数据的身份证号。我知道身份证，也就知道数据在哪里了。\u003C\u002Fp\u003E\u003Cp\u003EID不会有现实的业务意义，就是一串单纯的数字，每张表只能有一个主键。\u003C\u002Fp\u003E\u003Cp\u003E数据库是表的集合，一个数据库中可以放多张表，我们给每张表命名，表与表之间能互相联系。\u003C\u002Fp\u003E\u003Cp\u003E联系就是数据能够对应匹配，正式名称叫联接，对应的操作叫做Join，我们想象成Excel中的vlookup。\u003C\u002Fp\u003E\u003Cfigure\u003E\u003Cimg src=\&https:\u002F\\u002Fv2-6bc0b6ab8d24edb67cc692_b.jpg\& data-rawwidth=\&1430\& data-rawheight=\&448\& class=\&origin_image zh-lightbox-thumb\& width=\&1430\& data-original=\&https:\u002F\\u002Fv2-6bc0b6ab8d24edb67cc692_r.jpg\&\u003E\u003C\u002Ffigure\u003E\u003Cp\u003E上面就是两张表，用户和教育背景，看上去能够使用姓名进行匹配，可是这里出现了两个张三，一个是北京大学，一个是上海大学，究竟哪个张三才能和用户表的张三对应上？都不能。\u003C\u002Fp\u003E\u003Cp\u003E也许清华大学还有张三，复旦大学，交通大学也有，毕竟全中国姓名相同的人那么多。正确的用法应该是使用ID联接，而不是姓名。ID是产品、运营和数据人员们在工作中接触最多的内容之一，用户ID文章ID商品ID等，如果大家还不了解，这里需要掌握。\u003C\u002Fp\u003E\u003Cfigure\u003E\u003Cimg src=\&https:\u002F\\u002Fv2-6dcf86ae73beae1ed93928_b.jpg\& data-rawwidth=\&1338\& data-rawheight=\&438\& class=\&origin_image zh-lightbox-thumb\& width=\&1338\& data-original=\&https:\u002F\\u002Fv2-6dcf86ae73beae1ed93928_r.jpg\&\u003E\u003C\u002Ffigure\u003E\u003Cp\u003E上图就是正确的用法，用户表和教育表能够通过ID联接，可能有人疑问，用户ID为1和6的，还是不能对应呀？这个不要紧，因为在数据库中，不是所有的表都能一一对应，存在部分匹配的可能性，也许那个叫秦路的，他没读过书，教育背景表中自然没有记录了。\u003C\u002Fp\u003E\u003Cp\u003E当然，数据库的设计还要更严谨，一般每张表都会有主键（主键不是必