如何学好数据分析中的数据库

本篇文章继续围绕SQL的语法重点为大家介绍 连接 和 高级连接 的使用，以及 使用连接的注意事项 。

SQL最强大的功能之一就是能在数据查询的执行中 连接（join）表 。连接是利用SQL的SELECT语句能执行的最重要的 *** 作，很好地理解连接及其语法是学习SQL的极为重要的一点。在能够有效地使用连接前，我们必须了解 关系表 以及 关系数据库 设计的一些基础知识。下面的介绍并不能涵盖这一主题的所有内容，但作为入门已经够了。

连接

理解关系表，最好是来看个例子。

有一个包含产品目录的数据库表，其中每类物品占一行。

对于每一种物品，要存储的信息包括产品描述、价格，以及生产该产品的供应商。

现在有同一供应商生产的多种物品，那么在何处存储供应商名、地址、联系方法等供应商信息呢？将这些数据与产品信息分开存储的理由是：

① 同一供应商生产的每个产品，其供应商信息都是相同的，对每个产品重复此信息既浪费时间又浪费存储空间；

② 如果供应商信息发生变化，例如供应商迁址或电话号码变动，只需修改一次即可；

③ 如果有重复数据（即每种产品都存储供应商信息），则很难保证每次输入该数据的方式都相同。不一致的数据在报表中就很难利用。

关键是， 相同的数据出现多次不是一件好事 ，这是关系数据库设计的基础。

关系表的设计就是要 把信息分解成多个表 ， 一类数据一个表 。各表通过某些共同的值互相关联（所以才叫关系数据库）。在这个例子中可建立两个表：一个存储供应商信息，另一个存储产品信息。Vendors表包含所有供应商信息，每个供应商占一行，具有唯一的标识。此标识称为 主键 （primary key），可以是供应商ID或任何其他唯一值。Products表只存储产品信息，除了存储供应商ID（Vendors表的主键）外，它不存储其他有关供应商的信息。Vendors表的主键将Vendors表与Products表关联，利用供应商ID能从Vendors表中找出相应供应商的详细信息。

这样做的 好处 是：

① 供应商信息不重复，不会浪费时间和空间；

② 如果供应商信息变动，可以只更新Vendors表中的单个记录，相关表中的数据不用改动；

③ 由于数据不重复，使得处理数据和生成报表更简单。

总之，关系数据可以有效地存储，方便地处理。因此，关系数据库的可伸缩性远比非关系数据库要好。

为什么使用连接

连接将数据分解为多个表实现 更有效 地存储、 更方便 地处理，且 可伸缩性更好 。

可伸缩性：能够适应不断增加的工作量而不失败。

连接作为一种机制，能在一条SELECT语句中用来关联表。使用特定的语法，可连接多个表返回一组输出。

创建连接

分析 ：上述SELECT语句中与之前的语句相同，都是指定检索的列， 区别 在于该语句指定的两列（prod_name,prod_price）在一个表中，而第一列（vend_name）在另一个表中。

FROM子句也有所区别。该FROM子句列出了两个表：Vendors,Products。这两个表由SELECT语句的WHERE子句连接。WHERE子句指示DBMS将Vendors表中的vend_id与Products表中的vend_id匹配起来。

这里使用了 完全限定列名 将Vendorsvend_id和Productsvend_id两列匹配。最终输出了两个不同表中的数据。

高级连接部分将介绍 如何使用表别名，另外的一些连接 ，以及 如何对被连接的表使用聚集函数 。

使用表别名

之前的文章已经给大家介绍了如何使用别名引用被检索的表列。

SQL还可以 给表名起别名 ，目的是：

① 缩短SQL语句。

② 允许在一条SELECT语句中多次使用相同的表。

分析 ：上述语句中的FROM子句的三个表都有别名。如此 省略了许多字符 。表别名还可以用于SELECT的列表、ORDER BY子句以及其他语句部分。

需要注意的是： 表别名只在查询执行中使用 。与列别名不同，表别名不返回到客户端。

使用不同类型的连接

接下来将给大家介绍四种其他类型的连接： 自连接 、 自然连接 、 内连接 和 外连接 。

①自连接

分析： 这是使用了 子查询 的方案。对内部的SELECT语句做了一个简单的检索，返回Jim Jones工作公司的cust_name。该数据用于外部查询的WHERE子句中，以检索出为该公司工作的所有雇员。

下面看看使用了 连接 的方案。

分析：上述语句需要的两个表实际上是相同的表，所以Customers表在FROM子句中出现了两次。但这对于Customers的引用具有歧义，因为没有指示DBMS引用的是哪个Customers表。

于是需要使用表别名解决该问题。Customers表 第一次出现为别名c1 ， 第二次为c2 ，然后再将这些别名用作表名。如SELECT语句使用c1前缀明确给出所需列的全名。如果不这么做，DBMS将返回错误，因为名为cust_id、cust_name、cust_contact的列各有两个。DBMS不知需要哪一列，即使它们都是同一列。

WHERE首先连接两个表，再按第二个表中的cust_contact过滤数据，返回所需的数据。

②自然连接

内连接 返回所有的数据，其中 相同的列可多次出现 。而 自然连接排除多次出现 ，使每一列只返回一次。

一般通过对一个表使用通配符（SELECT ），而对其他的列使用明确的子集来实现自然连接。

分析： 上述语句中，通配符只对第一个表使用，而所有其他列都明确列出来，所以没有出现重复的列被检索出来。

③内连接

目前为止使用的连接称为等值连接，是基于两个表之间的相等测试。该连接也称为内连接。

对该种连接还可以使用不同的语法，明确指定连接的类型。

分析 ：该语句中的SELECT与之前的区别在于FROM 子句。此处两个表之间的关系是以 INNER JOIN 指定的部分FROM子句，因此需要使用特定的 ON子句 而不是WHERE子句。但传递给ON的实际条件与WHERE相同。

④外连接

许多连接将一个表中的行与另一个表中的行相关联，但有时候 需要包含没有关联的行 。例如，可能需要使用连接完成以下工作：

对每个顾客下的订单进行计数，包括那些至今尚未下订单的顾客；

列出所有产品以及订购数量，包括没有人订购的产品；

计算平均销售规模，包括那些至今尚未下订单的顾客。

在上述例子中，连接包含了那些在相关表中没有关联行的行。这种连接称为外连接，外连接分为 左外连接 和 右外连接 。

左外连接：取左边的表的全部，而右边的表按照条件显示，不符合条件的显示NULL。

右外连接：取右边的表的全部，而左边的表按照条件显示，不符合条件的显示NULL。

下面先给出一个简单的 内连接 ，再给出 左外连接 ，大家对比着理解。

分析 ：两个语句都使用了 JOIN 关键字来指定连接类型，与内连接不同的是，左外连接包括没有关联行的行。因此在使用JOIN语法时，还需使用RIGHT或LEFT关键字来指定包括其所有行的表（RIGHT指出的是OUTER JOIN右边的表，而LEFT指出的是OUTER JOIN左边的表）。

上述左外连接语句使用了LEFT OUTER JOIN 从FROM子句左边的表（Customers）中选择所有行。

若要从右边的表选择所有行，即使用 右外连接 ，则语句如下：

注意 ：两种基本的外连接形式，左外连接和右外连接。两者的唯一差别是所关联的表的顺序。

此外，还有一种外连接，即 全外连接 。该连接检索两个表中的所有行并关联可关联的行。与左外连接或右外连接包含一个表的不关联的行不同，全外连接包含两个表的不关联的行。

自连接、自然连接、内连接和外连接的区别

①自连接： 通常用于 两张结构和数据内容完全一样的表 ，在做数据处理时，对它们分别 重命名 来加以区分，然后再进行关联。

②自然连接 ：特点是要求两个关系表中进行连接的必须是 相同属性列 （名字相同），无需添加连接条件，且 在结果中消除了重复的属性列 。

③内连接 ：与自然连接相似，区别在于内连接 不要求两属性列同名 ，可以用 using或on 来指定某两列字段相同的连接条件。

④外连接 ：可以解决自然连接时某些属性不同导致这些元组被舍弃的问题，起到了 保留要舍弃的结果 的作用。

使用带聚集函数的连接

之前给大家介绍过使用 聚集函数 来汇总数据，殊不知这些函数也可以与连接一起使用。

分析： 上述语句使用了 COUNT函数 。该语句使用INNER JOIN将Customers和Orders表相互关联。GROUP BY子句按顾客分组，因此，函数调用COUNT(Ordersorder_num)对每个顾客的订单计数，将其作为num_ord返回。

分析： 上述语句使用 左外连接 包含所有顾客，包括了那些没有任何订单的顾客。

WHERE子句的重要性

需记住的是，在一条SELECT语句中连接几个表时，相应的关系是在运行中构造的，因为在数据库表中的定义没有指示DBMS如何对表进行连接的内容。

要连接多个表，需要将它们并列于from之后， 关键 是要设置WHERE子句，确保它们之间的 关联关系 必须给出，否则，查询结果会成为笛卡尔积。

笛卡尔积：由没有连接条件的表关系返回的结果为笛卡儿积。

分析 ：上述语句输出的结果便是 笛卡尔积 。返回的数据用每个供应商匹配了每个产品，包括了供应商不正确的产品（即使该供应商没有产品）。

连接及其使用的要点

① 注意所使用的连接类型。一般我们使用内连接，但使用外连接也有效。

② 关于确切的连接语法，应该查看具体的文档，看相应的DBMS支持何种语法（大多数DBMS使用这两课中描述的某种语法）。

③ 保证使用正确的连接条件（不管采用哪种语法），否则会返回不正确的数据。

④ 应该总是提供连接条件，否则会得出笛卡儿积。

⑤ 在一个连接中可以包含多个表，甚至可以对每个连接采用不同的连接类型。虽然这样做是合法的，一般也很有用，但应该在测试它们前分别测试每个连接。这会使故障排除更为简单。

以上就是本次介绍的连接和高级连接啦~

下一期将给大家介绍 组合查询 、 插入数据 及 更新和删除数据。

我们下期见！

本篇文章继续围绕SQL的语法重点为大家介绍 子查询 的使用。

使用子查询进行过滤

在SQL中SELECT语句用于查询，之前所使用的所有SELECT语句都是简单查询，即从单个数据库表中检索数据的单条语句。然而SQL还可以创建子查询，即嵌套在其他查询中的查询。

示例：

数据表：本次使用的数据库表都是 关系表 。订单存储在两个表中，每个订单包含订单编号、客户ID、订单日期，在Orders表中存储为一行。各订单的物品存储在相关的OrderItems表中。Orders表不存储顾客信息，只存储顾客ID。顾客实际信息存储在Customers表中。

若现在需要检索出订购RGAN01的所有顾客，应怎样检索？ 步骤如下：

① 检索包含物品RGAN01的所有订单的编号。

② 检索具有前一步骤列出的订单编号的所有顾客的ID。

③ 检索前一步骤返回的所有顾客ID的顾客信息。

上述每个步骤都可 单独作为一个查询 来进行。

可将一条SELECT语句返回的结果用于另一条SELECT语句的WHERE子句，也可使用 子查询 来将3个查询组合成一条语句。

① 第一个语句含义明确，是对prod_id为RGAN01的所有订单物品检索其order_num列。

分析： 通过该语句知道了哪个订单包含要检索的物品。

② 下一步查询与上述语句检索出的订单20007和20008相关的顾客ID。此处可利用IN子句。

下面可结合上述两个查询，将第一个查询变为子查询。

分析：在SELECT语句中， 子查询总是从内向外处理 。在处理上述SELECT语句时，DBMS实际上执行了两个 *** 作。

首先执行了 圆括号（）内的查询 ，此查询返回两个订单号： 20007 和 20008

接着这两个值以IN *** 作符要求的逗号分隔的格式传递给外部查询的WHERE子句。 外部查询变为：

该语句检索的结果和前面硬编码WHERE子句返回的结果相同。

③ 由上述语句得出订购物品RGAN01的所有顾客ID： 100004 和 100005 下一步检索这些顾客ID的顾客信息。

也可将其中的WHERE子句转换为子查询，就不用硬编码这些顾客ID了。

分析： DBMS实际上必须执行三条SELECT语句才能完成上述语句。最里面的子查询返回订单号，此列用于外面的子查询的WHERE子句。外面的子查询返回顾客ID列，此顾客ID列用于最外层查询的WHERE子句。最外层查询返回最终所需的数据。

由此可见，在WHERE子句中使用子查询可编写出功能强大灵活的SQL语句。对于能嵌套的子查询的数目没有限制，不过在实际应用中由于 性能的限制 ，不宜嵌套太多子查询。

注意： 作为子查询的SELECT语句只能查询 单个列 ，检索多个列将返回错误。另外使用子查询并不总是执行该类数据检索的最有效方法。

作为计算字段使用子查询

使用子查询的另一方法是创建计算字段。

示例： 需要显示Customers表中每个顾客的订单总数。订单与相应的顾客ID都存储在Orders表中。要执行这个 *** 作，需要以下步骤：

① 从Customers表中检索顾客列表。

② 对于检索出的每个顾客，统计其在Orders表中的订单数目。

这里我们可以应用之前介绍的 SELECT COUNT() 对表中的行进行计数，并通过一条WHERE子句来过滤某个特定的顾客ID，仅对该顾客的订单进行计数。

如下对顾客1000001的订单进行计数：

要对每个顾客执行COUNT()需要将其作为一个子查询，如下：

分析： 该SELECT语句对Customers表中的每个顾客返回三列：cust_name、cust_state和orders。orders是一个 计算字段 ，它由圆括号中的子查询建立。该子查询对检索出的每个顾客执行一次。此例中， 该子查询执行了5次 ，因为检索出了5个顾客。

子查询中的WHERE子句与之前使用的WHERE子句略有不同，因为它使用了 完全限定列名 ，而不只是列名（cust_id）。它指定表名和列名（Orderscust_id和Customerscust_id）。下面的WHERE子句告诉SQL，比较Orders表中的cust_id和当前正从Customers表中检索出的cust_id：

在有可能混淆列名时必须用一个 句点分隔表名和列名 。此例中，有两个cust_id列：一个在Customers中，另一个在Orders中。若不采用完全限定名，DBMS会认为要对Orders表中的cust_id自身进行比较。因为：

上述语句总返回Orders表中订单的总数，而该 结果不是我们想要的 ，如下：

由上可知，在构造语句时，若涉及到多个表，而不对同一列名加以区分则会引起DBMS抛出错误信息。

好的做法是，当在SELECT语句中 *** 作多个表时， 使用完全限定列名来避免歧义 。

最后总结一下子查询的特点：

① 子查询必须括在圆括号中。

② 子查询的SELECT子句中只能有一个列，除非主查询中有多个列，用于与子查询选中的列相比较。

③ 子查询不能使用ORDER BY，不过主查询可以。在子查询中，GROUP BY可以起到同ORDER BY相同的作用。

④ 返回多行数据的子查询只能同多值 *** 作符一起使用，比如IN *** 作符。

⑤ SELECT 列表中不能包含任何对BLOB、ARRAY、CLOB或者NCLOB类型值的引用。

⑥ 子查询不能直接用在聚合函数中。

⑦ BETWEEN *** 作符不能同子查询一起使用，但是BETWEEN *** 作符可以用在子查询中。

以上便是本次介绍的全部内容，下篇文章将为大家讲解 连接 和 高级连接 的使用。

我们下期再见！

以上就是关于如何学好数据分析中的数据库全部的内容，包括:如何学好数据分析中的数据库、数据分析需要掌握些什么知识、数据库在数据分析中如何应用等相关内容解答，如果想了解更多相关内容，可以关注我们，你们的支持是我们更新的动力！