Skip to content

Latest commit

 

History

History
524 lines (349 loc) · 16.9 KB

sql-for-data-science-interviews-bb9942292bd2.md

File metadata and controls

524 lines (349 loc) · 16.9 KB
Raw

用于数据科学面试的 SQL

原文：https://pub.towardsai.net/sql-for-data-science-interviews-bb9942292bd2?source=collection_archive---------2-----------------------

这里有一个 SQL 面试中你需要知道的最常见的命令、关键字和操作符的简明指南。我还包括了如何学习和面试技巧的部分。

托拜厄斯·菲舍尔在 Unsplash 上的照片

如果你是数据科学家，你需要了解 SQL。至少是最基本的。

几乎所有的数据科学职位描述都需要 SQL。这是一篇关于如何确保你知道足够多的 SQL 来粉碎 SQL 数据科学面试的文章。当然，要成为一名伟大的数据科学家，你通常需要比 SQL 更多的东西，但是你可以将 SQL 视为先决条件。

我将通过一些例子向您介绍 SQL 的基础知识，并介绍通过面试所需的所有关键词和想法。

什么是 SQL？

简单地说，SQL 是一种在数据库中存储、操作和检索数据的标准语言。

SQL 可以完成以下所有任务:

  • SQL 可以对数据库执行查询
  • SQL 可以从数据库中检索数据
  • SQL 可以将记录插入数据库
  • SQL 可以更新数据库中的记录
  • SQL 可以从数据库中删除记录
  • SQL 可以创建新的数据库
  • SQL 可以在数据库中创建新表
  • SQL 可以在数据库中创建存储过程
  • SQL 可以在数据库中创建视图
  • SQL 可以设置表、过程和视图的权限

SQL 有不同的版本，但它们都以相同的语法支持相同的主关键字(即 SELECT、WHERE 等)。)

SQL 基础知识

SQL 数据库由表组成。这些表格由字段(列)和记录(行)组成。大多数数据库由许多表组成。这些表中的每一个都可以通过名称来识别。

由许多表组成的数据库—【https://www.w3schools.com/sql/trysql.asp? filename=trysql_asc

数据库中的表格示例—https://www.w3schools.com/sql/trysql.asp?filename=trysql_asc

因此，我们使用 SQL 来操作数据库中的这些表。我们可以提取信息，删除信息，添加信息，等等。

SQL 关键字

在我们开始研究 SQL 关键字之前，我需要说一些关于它们的事情。

SQL 关键字不区分大小写。但是你绝对应该把它们作为标准符号大写。

您应该始终以分号结束每条 SQL 语句。

现在让我们进入关键词。

挑选

大多数 SQL 语句完全按照它们在 tin 上所说的去做。一个明显的例子是 SELECT 关键字——最常用的关键字。大多数语句将以 SELECT 关键字开始。

SELECT 关键字用于从一个或多个表中返回数据。返回的数据存储在结果表中，称为结果集。

SELECT column1, column2
FROM table_name;

或者

SELECT column1, column2 FROM table_name;

上述代码从表“table_name”中提取字段 column1 和 column2。

如果您想从表中选择所有列，可以使用下面的

SELECT * FROM table_name;

选择不同

您可以使用 SELECT DISTINCT 仅返回不同的值。

SELECT DISTINCT column1, column2
FROM table_name;

如果你想计算你有多少不同的条目，你可以使用；

SELECT(COUNT(DISTINCT column1) FROM table_name;

在哪里

您可以使用 WHERE 有条件地筛选记录。

SELECT column1, column2,
FROM table_name
WHERE condition;

例如，假设您想要一个特定人(或 id)的记录。

SELECT * FROM table_name
WHERE id = 5;

当条件是寻找一个数字或整数时，你可以像上面一样指定这个数字。然而，在查找文本时，应该用单引号将文本括起来(有些系统允许使用双引号，但坚持使用单引号是有意义的)。

在 WHERE 子句中可以使用许多运算符。

  • = 相等
  • > 大于
  • > 小于
  • > =大于或等于
  • < = 小于或等于
  • < >(！=) 不相等(取决于 SQL 版本)
  • 之间之间一定的范围。
  • 像一样搜索一个模式
  • 在中指定某些潜在值

AND 或& NOT 运算符

您可以将 WHERE 与 AND 或 NOT 运算符配合使用，以便在多个条件下进行进一步筛选。

  • 和显示所有条件为真时的记录
  • 或显示任一条件为真时的记录
  • NOT 如果条件不成立，则显示记录。
SELECT column1, column2
FROM table_name
WHERE condition1 AND condition2 AND condition3;SELECT column1, column2
FROM table_name
WHERE condition1 OR condition2 OR condition3;SELECT column1, column2
FROM table_name
WHERE NOT condition;

比如说；

SELECT * FROM table_name
WHERE id = 5 AND location = 'London';SELECT * FROM table_name
WHERE hometown = 'London' OR location = 'London';

您可以组合 and 或 AND 而不使用括号。

SELECT * from table_name
WHERE hometown = 'London' AND (location = 'London' OR 'Paris');

这将返回此人的家乡是伦敦，并且他们目前居住在伦敦或巴黎的所有记录。

以...排序

可以使用 ORDER BY 按升序或降序对结果集进行排序，默认情况下是升序，也可以添加 DESC 来按降序排序。

SELECT column1, column2
FROM table_name
ORDER BY column2, column1 DESC;

只需删除 DESC，将其按升序排列。

只需指定列，就可以按多个列对结果集进行排序。例如，如果我们先按国家再按家乡对下表进行排序，如果许多记录属于同一个国家，那么它们将按家乡排序。

SELECT country, hometown
FROM Countries
ORDER BY country, hometown;

您甚至可以将一列按升序排序，然后将另一列按降序排序。

SELECT country, hometown
FROM Countries
ORDER BY country ASC, hometown DESC;

插入

正如所料，我们使用 INSERT INTO 向表中添加新记录。

使用 INSERT INTO 时，如果不想指定列名，则必须按照表中已有的顺序传递信息。

例如，如果我们有一个包含三列的表；id、姓名和电话号码，您必须像这样传递信息。

INSERT INTO table_name 
VALUES (27, 'James Asher', 07123123123)

但是如果您想要更具体，或者如果您没有所有的列信息，您可以如下传递它。

INSERT INTO table_name (id, phone_number)
VALUES (1, 07123123123)

这将插入数据，使 name 列为空。

更新

您可以使用 UPDATE 关键字来修改数据库表中的记录。它通常与特定记录的目标位置一起使用。如果你忘记了它将在哪里更新所有记录！

UPDATE table_name
SET column1 = value1, column2 = value2
WHERE condition;UPDATE table_name
SET name = 'James Asher'
WHERE id = 27;UPDATE table_name
SET country = 'Scotland'
WHERE city = 'Edinburgh';

删除

DELETE 是不言自明的——它也通常与 WHERE 一起使用。

DELETE FROM table_nameWHERE *condition*;

并删除所有记录，但不删除表；

DELETE FROM table_name;

选择顶部，限制，先取，行数

有时候你不想要所有的记录。有时候你只是想要最初的几个或者结果的一个样本。这些子句在处理大型表时特别有用，因为返回整个结果集可能会对性能产生负面影响。

每个数据库系统对此使用不同的语法。不过，完整的名单可以在这里看到。

例如，MySQL 语法是:

SELECT *column_name(s)*
FROM *table_name* WHERE *condition*
LIMIT *number*;

最小和最大

如果只想从列中选择最高或最低值，可以使用 MIN 和 MAX 函数。

SELECT MIN(*column_name*)
FROM *table_name*
WHERE *condition*;SELECT MAX(*column_name*)
FROM *table_name*
WHERE *condition*;

计数、平均值、总和

可以像使用 MIN 和 MAX 函数一样使用 COUNT、AVERAGE 和 SUM 函数。

COUNT 返回符合指定条件的行数。

SELECT COUNT(*column_name*)
FROM *table_name*
WHERE *condition*;

AVERAGE 返回指定列的平均值。

SELECT AVG(*column_name*)
FROM *table_name*
WHERE *condition*;

SUM 返回指定列的总和。

SELECT SUM(*column_name*)
FROM *table_name*
WHERE *condition*

喜欢

您可以将 LIKE 运算符与 WHERE 运算符结合使用来查找特定的模式。

LIKE 操作符中使用了两个常见的通配符来帮助寻找模式。

“%”—表示任意数量的字符(包括 0)。

“_”—代表一个字符。

一些例子:

“%a”表示任何以 a 结尾的值。

“a%”表示任何以 a 开头的值。

“a__”代表任何以 a 开头的三个字母的单词。

“a___e”代表任何以 e 结尾、以 a 开头的五个字母的单词。

在…里

IN 运算符允许您在 WHERE 子句中指定多个值。

IN 运算符是多个 or 条件的简写。

SELECT *column_name(s)*
FROM *table_name*
WHERE *column_name* IN (*value1*, *value2*, ...);or SELECT *column_name(s)*
FROM *table_name*
WHERE *column_name* IN (*SELECT STATEMENT*);for example:SELECT * FROM table_name
WHERE city IN (SELECT city FROM customers)

在...之间

BETWEEN 类似于 IN，但指定了值的范围。这些范围可以是数字、文本甚至日期。

数字范围是不言自明的，文本范围按字母顺序排列，日期范围也是不言自明的。

SELECT * FROM People
WHERE height BETWEEN 180 AND 200;SELECT * FROM People
WHERE name BETWEEN "James" AND "Zach";SELECT * FROM People
WHERE Birthday BETWEEN '1936-12-12' AND '1966-12-12';

SQL 连接

连接是 SQL 极其重要的一部分。数据库中的大多数表需要链接到另一个表才能提供值。例如，您可能在一个表中有一个人的人口统计数据，而在另一个表中有他们的购买历史记录。如果您想要分析这些数据，您将需要这两个数据集-因此您需要连接它们。通常情况下，您会在所有表中都不变的 Id 列上进行联接。

SELECT Orders.OrderID, Customers.CustomerName, Orders.OrderDate
FROM Orders
INNER JOIN Customers ON Orders.CustomerID=Customers.CustomerID;

上面是一个内部连接的例子(最常见的连接类型)。我们使用点符号来表示每一列来自的表。因此，命令。OrderID 是 Orders 表中的 OrderID 列。

最后一行是引用用于匹配表的两列的行。

  • 内部联接-返回在两个表中都有匹配值的记录
  • 左连接-返回左表中的所有记录和右表中的匹配记录
  • 右连接-返回右表中的所有记录和左表中的匹配记录
  • 完全连接-当左表或右表中有匹配项时，返回所有记录

联盟

UNION 用于组合两个或多个 SELECT 语句的结果。

默认情况下，UNION 只接受不同的值，您可以使用 UNION ALL 来覆盖这一点。

这些表必须具有相同的列数，并且每列的数据类型必须与它们要匹配的数据类型相同。结果列将以第一个 SELECT 语句中的列命名。

SELECT *column_name(s)* FROM *table1*
UNION
SELECT *column_name(s)* FROM *table2*;

分组依据

GROUP BY 语句用于根据值对列进行分组。之后通常会跟一个聚合函数，如 AVERAGE()或 COUNT()。

SELECT *column_name(s)*
FROM *table_name*
WHERE *condition*
GROUP BY *column_name(s)* ORDER BY *column_name(s);*SELECT COUNT(CustomerID), City
FROM Clients
GROUP BY City
ORDER BY COUNT(CustomerID) DESC;

拥有

SQL 添加了 HAVING 子句，用于 where 子句不能与聚合函数一起使用的情况。

SELECT *column_name(s)*
FROM *table_name*
WHERE *condition*
GROUP BY *column_name(s)* HAVING *condition* ORDER BY *column_name(s);*SELECT COUNT(id), City
FROM Clients
GROUP BY City
HAVING COUNT(Id) > 5;

此处的示例返回拥有 5 个以上客户的城市。

存在

EXISTS 运算符用于测试子查询中是否存在任何记录。

SELECT *column_name(s)*
FROM *table_name*
WHERE EXISTS
(SELECT *column_name* FROM *table_name* WHERE *condition*);

选择进入

该语句只是将一个表中的数据复制到一个新表中。

SELECT *
INTO *newtable* [IN *externaldb*]
FROM *oldtable* WHERE *condition*;

CASE WHEN 语句

这种情况下，陈述会在很多面试中出现，并且非常常用。它们类似于 if-else 语句——当第一个条件为真时，它们返回值，并持续到返回值为真为止。如果不满足任何条件，它们将返回 ELSE 语句。如果没有传递 ELSE 语句，则返回 NULL。

CASE
    WHEN *condition1* THEN *result1*
    WHEN *condition2* THEN *result2*
    WHEN *conditionN* THEN *resultN*
    ELSE *result*
END;

例如，如果您想基于以前的变量创建一个新变量，您可以执行以下操作。

SELECT id, Age
CASE 
     WHEN Age > 40 THEN 'Old'
     WHEN Age <= 40 THEN 'Young' 
     ELSE 'Dead'
END AS AgeBracket
FROM People

此示例创建了一个新变量，并根据年龄将人们分组到不同的年龄段。使用 END，因为我们可以将它作为一个新变量返回。

空函数

当从其他变量创建新变量时，空变量通常会破坏您的查询。如果一个变量为空，那么这个变量的倍数也将为空。SQL 给了你一个函数来帮助你。

IFNULL

允许您在值为空时指定替代值。

SELECT id, sales * (price + IFNULL(units, 0))
FROM Products;

怎么准备？

照片由菲利普·布特在 Unsplash 拍摄

代码战争

我最喜欢的练习方式是使用 Codewars。它用你选择的语言向你提问(这里，我们显然是用 SQL，但你可以用任何你想用的语言)。尽管如此，我还是建议你为 SQL 面试练习 SQL

他们给你这样的挑战来训练你，如果你卡住了，你可以看到专家的解决方案。

我建议不要去看解决方案，直到你完成了问题或者你已经被卡住了一段不合理的时间。

不要担心要花多长时间。你需要一段时间来适应这一切。

个人偏好也是拿着身边的记事本做。就我个人而言，我发现用笔和纸更容易理解事物，然后用代码将其形式化。

像面试一样练习

你可以通过编码挑战来通过面试。正确应对挑战并不是他们所寻求的全部。通常，你会面临比在工作场所更困难的挑战。

他们寻找的是语言知识和你如何解决问题。

所以这里有一些建议。

大声思考。大声思考对你和面试官都有好处。这表明你知道自己在说什么，知道自己是如何思考问题的。即使你不能解决眼前的问题，你仍然可以通过你大声说出来的话来展示你的知识。

做些笔记。如果你边工作边记笔记，这比试图在脑子里应付要容易得多。当把任何令人畏惧的任务分解成更小的任务时，它就不那么令人畏惧了。

我倾向于把问题的目的写在这一页的顶部。然后我会记下这个问题需要的所有子目标。在此基础上，我将尝试将这些子目标按照需要的顺序重新排序。这将极大地帮助你思考问题和组织你的想法。在面试中试图平衡你头脑中的许多想法不是一个好主意。

解决问题——然后重构。总是简单地开始。不要试图去想最复杂的解决方案或炫耀的解决方案。先用任何可能的方法解决问题。然后，如果你能想到更好的方法，就回去重构你的代码。将一般代码改进为好代码比直接跳到好代码要容易得多。

祝你好运！

感谢您的阅读，希望这对您有所帮助。

If I’ve inspired you to join medium I would be really grateful if you did it through this [link](https://jamesasher4994.medium.com/membership) — it will help to support me to write better content in the future.If you want to learn more about data science, become a certified data scientist, or land a job in data science, then checkout [365 data science](https://365datascience.pxf.io/c/3458822/791349/11148) through my [affiliate link.](https://365datascience.pxf.io/c/3458822/791349/11148)

这是我写的其他一些东西:

[## 如何在网站输入上轻松运行 Python 脚本

这是我建立的一个网站的演示，它将动态分析文本情感

towardsdatascience.com](https://towardsdatascience.com/how-to-easily-run-python-scripts-on-website-inputs-d5167bd4eb4b) [## 计量经济学是原始的数据科学

这就是你应该多了解它的原因

towardsdatascience.com](https://towardsdatascience.com/econometrics-is-the-original-data-science-6725d3f0d843)