作者|Soner Y?ld?r?m
編譯|VK
來源|Towards Data Science
SQL是一種編程語言，大多數關系資料庫管理系統（RDBMS）都使用它來管理以表格形式（即表）存盤的資料，
SQL是資料科學家所期望的一項基本技能，你可能會說，這是一個資料工程師的作業，但資料科學家的角色往往是全套的，此外，作為一名資料科學家，你不希望依賴資料工程師從資料庫中檢索資料，
在本文中，我們將撰寫復雜的查詢來檢索存盤在表中的資料，我已經將客戶流失資料集(https://www.kaggle.com/shubh0799/churn-modelling)上傳到MySQL資料庫的一個表中，
我們將從簡單的查詢開始，逐步增加復雜性，我將描述所需的資料，然后撰寫查詢以從表中檢索資料，
讓我們先看看表中的列，
關于客戶和他們在銀行的賬戶有一些特點，“Exited”列指示客戶是否流失（即離開銀行），
我們現在可以開始查詢了，
“CustomerId”和“姓氏”列的前5行
SELECT CustomerId, Surname
FROM CHURN
LIMIT 5;
余額最高的客戶的ID
SELECT CustomerId, MAX(Balance)
FROM CHURN;
我們沒有檢索整個“Balance”列，而是使用MAX函式僅選擇該列中的最大值，
余額排名前5位的客戶
我們不能在這個查詢中使用MAX，因為我們需要排名前5的客戶，我們可以做的是根據余額對客戶進行排序，然后選擇使用LIMIT得到前5名，
SELECT Geography, Balance
FROM CHURN
ORDER BY Balance DESC
LIMIT 5;
沒有信用卡的顧客的平均年齡
有一個條件，所以我們使用WHERE陳述句，
SELECT AVG(Age)
FROM CHURN
WHERE HasCrCard = 0;
39.1121
如果你想知道，擁有信用卡的顧客的平均年齡是38.8424歲，
每個國家擁有2種以上產品的客戶數量
我們將使用另一個聚合函式來計算客戶數量，為了根據屬性對客戶進行分組，將使用GROUPBY陳述句，
SELECT Geography, COUNT(CustomerId)
FROM CHURN
WHERE NumOfProducts > 2
GROUP BY Geography;
基于產品數量的平均工資
我們可以將AVG函式應用于薪資，并按產品數量分組，
SELECT NumOfProducts, AVG(EstimatedSalary)
FROM CHURN
GROUP BY NumOfProducts;
WHERE陳述句允許我們選擇符合一個或多個條件的條目，但是，它不能與聚合函式一起使用，
對于上面的查詢，我們只對平均值大于100000的產品類別感興趣，因此，我們需要對平均值應用一個條件，這個條件可以使用HAVING陳述句來完成，
SELECT NumOfProducts, AVG(EstimatedSalary)
FROM CHURN
GROUP BY NumOfProducts
HAVING AVG(EstimatedSalary) > 100000;
50歲以上并且余額高于平均水平的客戶
我們在這里介紹兩個新主題，一種是使用多個條件（age和balance），另一種是嵌套的SELECT陳述句，
我們可以使用AND和OR等邏輯運算子在WHERE陳述句中組合多個條件，一個條件顯式給定（age>50），但另一個條件需要使用另一個SELECT陳述句在表上計算，這就是我們需要嵌套SELECT陳述句的地方，
SELECT CustomerId, Age, Balance
FROM CHURN
WHERE Age > 50 AND Balance > (
SELECT AVG(Balance)
FROM CHURN );
余額上的條件是另一個SELECT陳述句，
為已離開的女性并且存留時間超過了平均水平的客戶數量
它與前面的示例類似，但有一個附加條件，我們將根據三個條件統計客戶數量：
- 性別
- Exited= 1
- 客戶在銀行的存留時間
SELECT COUNT(CustomerId) AS 'Number of Customers'
FROM CHURN
WHERE Gender = 'Female' AND Exited=1 AND Tenure > (
SELECT AVG(Tenure)
FROM CHURN);
我們還可以使用“AS”關鍵字調整結果集中列的名稱，
）
結論
我們已經討論了一些基本和復雜的查詢，我們通過查詢實作的是一些計算和過濾，因此，我們只能檢索我們需要的資料，
由于實際的資料庫包含更多的資料和許多關系表，因此能夠使用SQL查詢所需的資料是非常重要的，
原文鏈接：https://towardsdatascience.com/sql-queries-for-data-scientists-5260737fc442
歡迎關注磐創AI博客站：
http://panchuang.net/
sklearn機器學習中文官方檔案：
http://sklearn123.com/
歡迎關注磐創博客資源匯總站：
http://docs.panchuang.net/
轉載請註明出處，本文鏈接：https://www.uj5u.com/qita/214421.html
標籤：其他