Python資料庫學習筆記(三)：資料庫進階操作

本文學習內容

• DISTINCT：去除重複
• 比較操作：LIKE,IN,BETWEEN
• 聚合操作：MAX,MIN,COUNT,AVG,SUM
• 分組操作：GROUP BY
• 主鍵、索引：關乎數據庫表的結構與數據庫的性能
• 表的連接（join）:通過表格之間的連接，可以同時從多張表格中讀取數據

SQL語句

通用語法

distinct
SELECT DISTINCT column1,column2,… FROM table_name
like&in&between
WHERE columnN LIKE pattern(通配符為：’_’,’%’；前者匹配一個字符，後者可以匹配若干字符)
max&min&count&avg&sum的聚合操作
SELECT 聚合操作函數（column_name） FROM table_name
group by 操作
SELECT column_name FROM table_name WHERE condition GROUP BY column_name(s)

實際案例操作

DISTINCT
#選擇IRIS數據中所有不同的種類
SELECT DISTINCT species FROM iris
LIKE&IN&BETWEEN 比較操作
#選擇IRIS數據中，species的字串中包含』osa’的記錄
#選擇IRIS數據中，sepal_width的值是3或4的所有記錄
#選擇IRIS數據中，sepal_length的值在4和6之間的所有記錄
SELECT * FROM iris WHERE species LIKE 『%osa’
SELECT * FROM iris WHERE sepal_width in (3,4)
SELECT * FROM iris WHERE sepal_length BETWEEN 4 AND 6
MAX&MIN&COUNT&AVG&SUM的聚合操作
#計算sepal_length中的最大值、最小值、平均值、總和，以及計數值
SELECT max(sepal_length), min(sepal_length), avg(sepal_length), sum(sepal_length), count(sepal_length) FROM iris
GROUP BY 操作
#計算每一類鳶尾花的sepal_length資料的最大值、最小值、平均值、總和，以及計數值
SELECT max(sepal_length), min(sepal_length), avg(sepal_length), sum(sepal_length), count(sepal_length), species FROM iris GROUP BY species

主鍵、索引

主鍵（Primary Key）：用於唯一確定表中的一條記錄
索引（Index）：WHERE實現二分索引

設定索引

1.創建新表iris_with_id，在CSV中創建新列 
2.複製一個新表，只導入字段，不導入數據 
3.創建新字段』id’，修改數據類型，並設置為主鍵（主鍵是唯一性索引），默認選擇無默認值。 
4.最後按照上一節視頻中的指導，導入數據
依照id進行查詢
想要選擇id=30行的數據：SELECT * FROM iris_with_id WHERE id=30 

表連接（Join）

根據不同的需求，常常會需要連接不同的表格進行跨表查詢。

SELECT column_name(s)
FROM table1
INNER JOIN table2 ON table1.column_name=table2.column_name;

實際案例操作

#篩選條件:iris_with_id表格中species字段等於species_info表格中species_name字段，返回符合條件的兩張表的所有行。
SELECT * FROM iris INNER JOIN species_info ON iris.species=species_info.species_name
#篩選條件：iris_with_id表格中species字段等於species_info表格中species_name字段，且sepal_length>3，返回符合條件的兩張表的所有行
SELECT * FROM iris INNER JOIN species_info ON iris.species=species_info.species_name WHERE sepal_length>3