网志栈编辑推荐
理解并发现数据中的模式已是改进业务决策的重要方式之一。如果读者具备SQL方面的基础知识，但却不了解如何从数据中获得业务洞察结果，那么本书将十分适合你。
本书涵盖了读者需要的一切内容，包括SQL基础知识、讲述故事和识别数据中的“趋势”，进而能够通过识别模式和揭示更深入的洞察结果开始研究数据。除此之外，读者还将获得在SQL中使用不同类型数据的经验，包括时间序列、地理空间和文本数据。*后，读者还将了解如何在分析和自动化的帮助下提高SQL的生产效率，从而更快地获得洞察结果。
在阅读完本书后，读者将能够在日常业务场景中高效地使用SQL，并以分析专家的批判性眼光看待数据。
；
内容简介
本书详细阐述了与SQL数据分析相关的基本解决方案，主要包括理解和描述数据、数据分析与SQL基础知识、SQL数据准备、数据分析的聚合函数、数据分析的窗口函数、导入和导出数据、利用复杂数据类型进行分析、高性能SQL、利用SQL获取洞察结果等内容。此外，本书还提供了相应的示例、代码，以帮助读者进一步理解相关方案的实现过程。 本书适合作为高等院校计算机及相关专业的教材和教学参考书，也可作为相关开发人员的自学教材和参考手册。
作者简介
暂无
目录
第1章 ； 理解和描述数据 ； 1
1.1 ； 简介 ； 1
1.2 ； 数据世界 ； 1
1.2.1 ； 数据类型 ； 1
1.2.2 ； 数据分析和统计 ； 2
1.2.3 ； 统计类型 ； 3
1.2.4 ； 操作1：对新数据集进行分类 ； 4
1.3 ； 描述统计的方法 ； 4
1.3.1 ； 单变量分析 ； 5
1.3.2 ； 数据频率分布 ； 5
1.3.3 ； 练习1：创建直方图 ； 5
1.3.4 ； 练习2：计算附加销售的四分位数 ； 10
1.3.5 ； 集中趋势 ； 12
1.3.6 ； 练习3：计算附加销售的集中趋势 ； 13
1.3.7 ； 离散度 ； 14
1.3.8 ； 练习4：附加销售的离散度 ； 15
1.3.9 ； 双变量分析 ； 16
1.3.10 ； 散点图 ； 16
1.3.11 ； 练习5：计算两个变量的皮尔森相关系数 ； 21
1.3.12 ； 操作2：研究经销商销售数据 ； 26
1.3.13 ； 与遗失数据协同工作 ； 27
1.4 ； 统计显著性检验 ； 27
1.5 ； 本章小结 ； 29
；
第2章 ； 数据分析与SQL基础知识 ； 31
2.1 ； 简介 ； 31
2.2 ； 关系数据库和SQL ； 31
2.3 ； SQL中的基本数量类型 ； 33
2.3.1 ； 数字 ； 33
2.3.2 ； 字符 ； 33
2.3.3 ； 布尔类型 ； 35
2.3.4 ； datatime ； 35
2.3.5 ； 数据结构：JSON和数组 ； 36
2.4 ； 读取表：SELECT查询 ； 36
2.4.1 ； SELECT查询的基本分析和工作机制 ； 36
2.4.2 ； SELECT查询中的基本关键字 ； 37
2.4.3 ； 练习6：查询销售人员表 ； 42
2.4.4 ； 操作3：查询客户表 ； 43
2.5 ； 创建表 ； 44
2.5.1 ； 创建空表 ； 44
2.5.2 ； 练习7：在SQL中创建表 ； 45
2.5.3 ； 利用SELECT创建表 ； 46
2.6 ； 更新表 ； 46
2.6.1 ； 添加和移除列 ； 46
2.6.2 ； 添加新数据 ； 47
2.6.3 ； 更新现有行 ； 48
2.6.4 ； 练习8：更新SQL中的表 ； 48
2.7 ； 删除数据和表 ； 49
2.7.1 ； 删除行中的值 ； 49
2.7.2 ； 删除表中的行 ； 50
2.7.3 删除表 50
2.7.4 练习9：不必要的参考表 51
2.7.5 操作4：营销行为 51
2.8 SQL和数据分析 52
2.9 本章小结 52
第3章 SQL数据准备 55
3.1 简介 55
3.2 采集数据 55
3.2.1 利用JOIN连接表 55
3.2.2 连接类型 57
3.2.3 练习10：使用连接操作分析经销商数据 63
3.2.4 子连接 65
3.2.5 联合 65
3.2.6 练习11：利用UNION关键字生成高级客户名单 67
3.2.7 公共表表达式 68
3.3 转换数据 69
3.3.1 练习12：使用CASE WHEN函数获取区域列表 70
3.3.2 操作5：利用SQL技术构建销售模型 76
3.4 本章小结 77
第4章 数据分析的聚合函数 79
4.1 简介 79
4.2 聚合函数 79
4.3 练习13：使用聚合函数分析数据 81
4.4 基于GROUP BY的聚合函数 82
4.4.1 GROUP BY 82
4.4.2 多列GROUP BY 85
4.4.3 练习14：利用GROUP BY并通过产品类型计算成本 86
4.4.4 集合分组 87
4.4.5 有序集聚合结果 88
4.5 HAVING子句 89
4.6 练习15：利用HAVING子句计算和显示数据 90
4.7 使用聚合函数清理数据并检测数据质量 91
4.7.1 利用GROUP BY检索缺失数据 91
4.7.2 利用聚合函数评估数据质量 93
4.7.3 操作6：利用聚合函数分析销售数据 93
4.8 本章小结 94
第5章 数据分析的窗口函数 95
5.1 简介 95
5.2 窗口函数 95
5.2.1 窗口函数的基本知识 96
5.2.2 练习16：分析客户数据填充率 100
5.2.3 WINDOW关键字 102
5.3 基于窗口函数的统计信息 103
5.3.1 练习17：聘用日期排名 104
5.3.2 窗框 105
5.3.3 练习18：团餐活动 107
5.3.4 操作7：利用窗框和窗口函数分析销售数据 108
5.4 本章小结 109
第6章 导入和导出数据 111
6.1 简介 111
6.2 COPY命令 111
6.2.1 使用COPY命令 112
6.2.2 利用psql复制数据 113
6.2.3 配置COPY和copy 114
6.2.4 使用COPY和copy命令将数据批量上传至数据库中 114
6.2.5 练习19：将数据导出至文件中并在Excel中进行处理 115
6.3 R和数据库 118
6.3.1 为何使用R 119
6.3.2 开始使用R 119
6.4 Python语言和数据库 121
6.4.1 为何使用Python 121
6.4.2 开始使用Python 122
6.4.3 练习20：利用Python导出数据库中的数据 122
6.4.4 利用SQLAlchemy和Pandas改进Python中的Postgres访问操作 124
6.4.5 为何使用SQLAlchemy 124
6.4.6 使用Jupyter Notebook 125
6.4.7 利用Pandas读取和写入数据库 127
6.4.8 利用Pandas执行数据可视化操作 128
6.4.9 练习21：在Python中读取数据和可视化数据 128
6.4.10 利用Python将数据写入数据库中 130
6.4.11 利用COPY提升Python写入速度 131
6.4.12 利用Python读、写CSV文件 132
6.5 实现导入、导出数据 133
6.5.1 减少密码处理 133
6.5.2 操作8：使用外部数据集估计销售趋势 134
6.6 本章小结 135
第7章 利用复杂数据类型进行分析 137
7.1 简介 137
7.2 日期和时间数据类型 137
7.2.1 date类型 138
7.2.2 转换日期类型 140
7.2.3 区间 142
7.2.4 练习22：分析时序数据 143
7.3 在Postgres中执行地理空间分析 145
7.3.1 经纬度 145
7.3.2 在Postgres中表示经纬度 145
7.3.3 练习23：地理空间分析 147
7.4 使用Postgres中的ARRAY数据类型 149
7.5 使用Postgres中的JSON数据类型 152
7.5.1 JSONB：预解析的JSON 154
7.5.2 从JSON或JSONB字段中访问数据 155
7.5.3 创建和修改JSONB字段中的数据 157
7.5.4 练习24：搜索JSONB 157
7.6 利用Postgres进行文本分析 159
7.6.1 标记文本 159
7.6.2 练习25：执行文本分析 160
7.6.3 执行文本搜索 164
7.6.4 优化Postgres上的文本搜索 166
7.6.5 操作9：销售量的搜索和分析 168
7.7 本章小结 169
第8章 高性能SQL 171
8.1 简介 171
8.2 数据库扫描方法 172
8.2.1 查询规划机制 172
8.2.2 扫描和顺序扫描 173
8.2.3 练习26：解释查询规划 174
8.2.4 操作10：查询规划 178
8.2.5 索引扫描 178
8.2.6 B树索引 179
8.2.7 练习27：创建索引扫描 180
8.2.8 操作11：实现索引扫描 185
8.2.9 哈希索引 186
8.2.10 练习28：生成多个哈希索引以改进性能 186
8.2.11 操作12：实现哈希索引 190
8.2.12 高效的索引应用 191
8.3 高效的连接操作 192
8.3.1 练习29：内连接应用 193
8.3.2 操作13：实现连接操作 198
8.4 函数和触发器 199
8.4.1 函数定义 200
8.4.2 练习30：定义无参函数 201
8.4.3 操作14：定义*大销售额函数 203
8.4.4 练习31：定义包含参数的函数 204
8.4.5 df和sf命令 206
8.4.6 操作15：定义包含参数的函数 206
8.4.7 触发器 207
8.4.8 练习32：创建触发器以更新字段 208
8.4.9 操作16：创建触发器并记录平均购买量 213
8.4.10 删除查询 214
8.4.11 练习33：取消耗时较长的查询 214
8.4.12 操作17：终止一个耗时的查询 216
8.5 本章小结 216
第9章 利用SQL获取洞察结果 219
9.1 简介 219
9.2 案例研究 219
9.2.1 科学方法 219
9.2.2 练习34：基于SQL技术的初步数据收集 220
9.2.3 练习35：析取销售信息 222
9.2.4 操作18：销售的量化计算 226
9.2.5 练习36：上市时间分析 227
9.2.6 操作19：分析销售价格假设中的差异 234
9.2.7 练习37：通过电子邮件点击率分析销售增长 236
9.2.8 练习38：分析电子邮件营销活动的表现结果 243
9.2.9 结论 247
9.2.10 现场测试 248
9.3 本章小结 248
附录 251
第1章 理解和描述数据 251
操作1：对新数据集进行分类 251
操作2：研究经销商销售数据 251
第2章 数据分析与SQL基础知识 253
操作3：查询客户表 253
操作4：营销行为 255
第3章 SQL数据准备 256
操作5：利用SQL技术构建销售模型 256
第4章 数据分析的聚合函数 257
操作6：利用聚合函数分析销售数据 257
第5章 数据分析的窗口函数 259
操作7：利用窗框和窗口函数分析销售数据 259
第6章 导入和导出数据 262
操作8：使用外部数据集估计销售趋势 262
第7章 利用复杂数据类型进行分析 269
操作9：销售量的搜索和分析 269
第8章 高性能SQL 272
操作10：查询规划 272
操作11：实现索引扫描 274
操作12：实现哈希索引 276
操作13：实现连接操作 278
操作14：定义*大销售额函数 280
操作15：定义包含参数的函数 281
操作16：创建触发器并记录平均购买量 282
操作17：终止一个耗时的查询 283
第9章 利用SQL获取洞察结果 284
操作18：销售的量化计算 284
操作19：分析销售价格假设中的差异 286
前沿
关于本书
理解并发现数据中的模式已是改进业务决策的重要方式之一。如果读者具备SQL方面的基础知识，但却不了解如何从数据中获得业务洞察结果，那么本书将十分适合你。
本书涵盖了读者需要的一切内容，包括SQL基础知识、讲述故事和识别数据中的“趋势”，进而能够通过识别模式和揭示更深入的洞察结果开始研究数据。除此之外，读者还将获得在SQL中使用不同类型数据的经验，包括时间序列、地理空间和文本数据。最后，读者还将了解如何在分析和自动化的帮助下提高SQL的生产效率，从而更快地获得洞察结果。
在阅读完本书后，读者将能够在日常业务场景中高效地使用SQL，并以分析专家的批判性眼光看待数据。
学习目标
本书主要涉及以下内容：
q 使用SQL归纳和识别数据中的模式。
q 采用特定的SQL字句和函数生成描述性统计结果。
q 使用SQL查询和子查询为分析过程准备数据。
q 利用窗口函数执行高级统计计算。
q 分析SQL中特殊的数据类型，包括地理空间数据和时间数据。
q 利用文本文件与PostgreSQL导入和导出数据。
q 调试无法正常运行的查询操作。
q 优化查询操作并改进其性能，以获得快速的查询结果。
如果读者是一名希望过渡到分析师的数据库工程师，或者是一名希望深入理解产品数据的后端工程师，那么本书将十分有用。另外，本书也是数据分析师和数据科学家的理想选择，从而提升其SQL数据分析技能。其间，基本的SQL知识和数据库概念将有助于理解本书中所涉及的概念。
本书完美地平衡了理论和实践之间的内容，同时还提供了数据分析的实际方法。本书侧重于为SQL和统计分析提供实用的指导，以便读者能够更好地理解数据。本书注重于实用性且涵盖了多项实践操作，其中采用了真实的业务场景，以使读者能够在高度相关的上下文环境中应用所需的新技能。
硬件和软件需求
为了获得最佳体验，建议读者使用以下硬件配置。
q 处理器：Intel Core i5（或具有同等计算能力的处理器）。
q 内存：4GB RAM。
q 存储：5GB可用空间。
此外，还应安装下列软件。
q 操作系统：Windows 7 SP1 64-bit、Windows 8.1 64-bit、Windows 10 64-bit、Linux（Ubuntu 16.04或后续版本、Debian、Red Hat或Suse），或者最新版本的macOS。
q PostgreSQL 10.9（https://www.postgresql.org/download/）。
q Anaconda Python 3.7（https://www.anaconda.com/distribution/#download-section）。
q Git 2或后续版本。
本书约定
本书代码采用下列格式：
CREATE TEMP VIEW customers_sample AS (
SELECT *
FROM customers
LIMIT 5
);
copy customers_sample TO my_file.csv WITH CSV HEADER
DROP VIEW customers_sample;
安装和配置
在对数据进行操作之前，需要提供有效的操作环境，下面将对此予以介绍。
安装PostgreSQL 10.9
1．在Windows操作系统中进行安装
读者可访问https://www.postgresql.org/download/windows/以下载PostgreSQL 10。
2．在Linux操作系统中进行安装
读者可通过下列命令行在Ubuntu或Debian Linux上安装PostgreSQL：
sudo apt-get install postgresl-11
3．在macOS操作系统中进行安装
读者可访问https://www.postgresql.org/download/macosx/以下载PostgreSQL 10。
安装Python
1．在Windows操作系统中进行安装
（1）读者可访问https://www.anaconda.com/distribution/#windows，并选取期望安装的Python版本。
（2）从下载页面中选择Python 3.7。
（3）确保针对计算机系统安装正确的架构，即32位或64位。该信息位于操作系统的System Properties窗口中。
（4）在下载了安装程序后，双击该文件并遵循相关指令即可。
2．在Linux操作系统中进行安装
当在Linux操作系统中安装Python时，需要使用以下两个选项。
（1）打开命令提示符，运行python3 --version，以验证pPython 3尚未被安装。
（2）安装Python 3，可运行下列命令：
sudo apt-get update
sudo apt-get install python3.7
（3）如遇问题，读者可查找大量的在线资源，这对于解决实际问题很有帮助。
（4）读者可访问https://www.anaconda.com/distribution/#linux下载安装程序，遵循相应的指令即可安装Anaconda Linux。
3．在macOS操作系统中进行安装
与Linux类似，存在多种方法可在Mac上安装Python，具体操作步骤如下。
（1）打开Mac终端（按CMD 空格键），在搜索框中输入terminal并按Enter键。
（2）通过命令行安装Xcode，即运行xcode-select --install。
（3）安装Python 3的最简单方式是使用Homebrew。Homebrew可通过命令行进行安装，即运行ruby -e "$(curl -fsSL https://raw.githubusercontent.com/Homebrew/install/master/ install)"。
（4）向$PATH环境变量中添加Homebrew。对此，运行sudo nano ~/.profile并在命令行中打开配置文件，并于底部插入export PATH="/usr/local/opt/python/libexec/bin:$PATH"。
（5）最后一步是安装Python。在命令行中，运行brew install python。
（6）另外，也可通过Anaconda安装程序（对应网址为https://www.anaconda.com/ distribution/#macos）来安装Python。
安装Git
1．在Windows或macOS操作系统中进行安装
读者可访问https://git-scm.com/以下载并安装适用于Windows或Mac环境下的Git。对于有经验的用户，建议通过高级客户端安装Git，如GitKraken（对应网址为https://www. gitkraken.com/）。
2．在Linux操作系统中进行安装
通过下列命令可轻松地安装Git：
sudo apt-get install git
如果用户偏好使用图形界面，GitKraken（对应网址为https://www.gitkraken.com/）也是一种基于Linux的选择方案。
加载样本数据集
本书中大量的练习都将使用样本数据集sqlda，其中包含了与虚构的电动汽车公司ZoomZoom相关的数据。当在PostgreSQL上安装该数据库时，可从本书GitHub存储库的Datasets文件夹（对应网址为https://github.com/TrainingByPackt/SQL-for-Data-Analytics/tree/ master/Datasets）中复制data.dump文件。随后，利用下列命令在命令行中加载data.dump文件：
psql < data.dump
其中，psql表示为postgreSQL客户端。
运行SQL文件
利用下列命令可在命令行中通过*.sql文件执行命令或语句：
psql < commands.sql
另外，也可通过SQL解释器予以执行，如下所示。
database=#
附加资源
本书的代码包位于GitHub中，对应网址为https://github.com/TrainingByPackt/SQL- for-Data-Analytics。此外，读者还可访问https://github.com/PacktPublishing/以查看其他代码包和视频内容。
关于本书的图像内容，读者可访问https://github.com/TrainingByPackt/SQL-for-Data- Analytics/blob/master/Graphic%20Bundle/Graphic%20Bundle_ColorImages.pdf予以查看。
SQL数据分析 pdf下载声明
本pdf资料下载仅供个人学习和研究使用，不能用于商业用途，请在下载后24小时内删除。如果喜欢，请购买正版
