• 1.1 最容易上手的數據庫
  • 1.1.1 數據庫那些事兒
    數據分析主要有三大作用：現狀分析-告訴我們過去發生了什麽；原因分析-告訴我們為什麽會發生；預測分析-告訴我們將來會發生什麽。
    • Access數據庫
    • 優勢與不足：
      • (1)操作界面友好，易於操作
      • (2)Access查詢處理可直接生成相應的SQL語句
  • 1.1.2 萬能的SQL
    • 基本語法
      SELECT 姓名,性別,年齡,身高,婚姻狀況,教育背景,月收入,是否有房,是否有車,備註
      FROM 會員表
      WHERE 性別=‘男‘
      AND 年齡 BETWEEN(26,30)
      AND 身高 BETWEEN(170,180)
      AND 婚姻狀況 = ‘未婚‘
      AND 教育背景 IN(‘本科‘,‘研究生‘?)
      AND 月收入 >= 8000
      AND 是否有房=‘是‘
      AND 是否有車=‘是‘
      AND 備註 IN (‘細心‘,‘大方‘,‘浪漫‘)
      ORDER BY 月收入 DESC;???????????
  • 1.1.3 兩招導入數據
    • 直接導入法
    • 建立鏈接法
  • 1.1.4 數據合並
    • 橫向合並
      • 內連接
      • 左連接
      • 右連接
    • 縱向合並
      • (1)菜單操作法
      • (2)UNION ALL-使用SQL語句
  • 1.1.5 快速實現數據計算
    • 簡單計算
      • 簡單計算就是加減乘除等簡單算術計算
    • 函數計算
      • DATEDIFF函數：通過日期函數計算得到用戶註冊的天數
      • Year()
      • Month()
      • Abs()
      • Int()
      • Round()
      • Len()
  • 1.1.6 數據分組
    • 數值分組
      • (1)IIF函數法
        SELECT 用戶ID,年齡,
        IIF(年齡<=20,"20歲及其以下",
        IIF(年齡<=30,"30歲及其以下",
        IIF(年齡<=40,"31-40歲",
        "40歲以上"))) AS 年齡分組
        FROM 用戶明細;
      • (2)CHOOSE函數法
        SELECT 用戶ID,年齡,
        CHOOSE((年齡-1)/10+1,"10歲及其以下","11-20歲","21-30歲","31-40歲","40歲以上") AS
        年齡分組
        FROM 用戶明細;
      • (3)SWITCH函數法
        SELECT 用戶ID,年齡
        SWITCH(年齡<=20,"20歲及其以下",
        年齡<=30,"21-30歲",
        年齡<=40,"31-40歲",
        年齡>40,"40歲以上") AS 年齡分組
        FROM 用戶明細;
      • (4)PARTITION函數法
        SELECT 用戶ID,年齡,
        PARTITION(年齡,1,100,20) AS 年齡分組
        FROM 用戶明細;?
    • 日期時間分組
      FORMAT (日期/時間, 日期/時間格式參數)
  • 1.1.7 重復數據處理
    • 重復項查詢
      (1)菜單操作法
      Access數據庫-查詢-查詢向導-查找重復項查詢向導
      ?
      (2)SQL查詢法
      ???SELECT First(訂購明細.[用戶ID]) AS [用戶ID 字段], Count(訂購明細.[用戶ID]) AS NumberOfDups
      FROM 訂購明細
      GROUP BY 訂購明細.[用戶ID]
      HAVING (((Count(訂購明細.[用戶ID]))>1));
    • 不重復項查詢
      (1)Having Count(用戶ID)=1
      ?SELECT First(訂購明細.[用戶ID]) AS [用戶ID 字段], Count(訂購明細.[用戶ID]) AS NumberOfDups
      FROM 訂購明細
      GROUP BY 訂購明細.[用戶ID]
      HAVING (((Count(訂購明細.[用戶ID]))=1));?
      
    • 數據去重查詢
      (1)GROUP BY子句
      SELECT 用戶ID
      FROM 訂購明細
      GROUP BY用戶ID;
      ????
      (2)DISTINCT?
      SELECT DISTINCT 用戶ID
      FROM 訂購明細;?
  • 1.1.8 數據分析一步到位
    • 簡單統計
      • 重復數據處理時東東啊一個計數函數Count
        SELECT
        Count(訂單編號) AS 訂單總數,
        Sum(訂購金額) AS 訂購金額總和,
        Avg(訂購金額) AS 平均訂單金額
        FROM 訂購明細;
        ?
    • 分組統計
      (1)SELECT 產品,
      Count(訂單編號) AS 訂單總數,
      Sum(訂購金額) AS 訂購金額總和,
      Avg(訂購金額) AS 平均訂單金額
      FROM 訂購明細
      GROUP BY 產品;
      
      (2)用戶訂購時段分布信息
      SELECT FORMAT（訂購日期,"h"）AS 時段,
      Count(訂單編號) AS 訂單數
      FROM 訂購明細
      GROUP BY FORMAT(訂購日期,"h");
      
      ????(3)分組去重關聯嵌套查詢
      我們需要了解不同年齡段的用戶訂購分布情況，原有“訂購明細”表中沒有用戶年齡信息，並且訂購用戶存在重復情況，需要去重。
      SELECT 年齡分組,Count(用戶ID) AS 用戶數
      FROM
      (SELECT DISTINCT A.用戶ID, PARTITION(B.年齡,1,100,5) AS 年齡分組
      FROM 訂購明細 A, 用戶明細 B
      WHERE A.用戶ID = B.用戶ID)
      GROUP BY 年齡分組;
      
      (4)了解各省的訂單數分布：
      SELECT B.省份, Count(A.訂單編號) AS 訂單數
      FROM 訂購明細 A，用戶明細 B
      WHERE A.用戶ID = B.用戶ID
      GROUP BY B.省份;??
    • 交叉表統計
      統計不同省份、性別的用戶分布情況
      • (1)ACCESS:創建-查詢向導-交叉表查詢向導-選擇行標題-選擇列標題-選擇交叉點統計項-選擇Count函數
      • (2)SQL交叉表查詢
        SQL交叉表語句：
        TRANSFORM Count(用戶明細.[用戶ID]) AS 用戶ID之計數
        SELECT 用戶明細.[省份], Count(用戶明細.[用戶ID]) AS [總計 用戶ID]
        FROM 用戶明細
        GROUP BY 用戶明細.[省份]
        PIVOT 用戶明細.[性別];
        --只要在分組統計SQL語句基礎上，前後增加TRANSFORM與PIVOT語句，並且在TRANSFORM後面增加每個行和列的交叉點統計函數及字段，在PIVOT後面增加要作為列標題的分組字段即可。
• 1.2 Microsoft Query
  使用Microsoft Query工具進行數據處理與分析，需要以下四步：
  1.建立數據源以連接數據
  2.使用“查詢向導"選擇所需要的數據
  3.在查詢操作界面進行相應的SQL查詢操作
  4.將數據結果返回到EXCEL中???
  • 1.2.1數據導入
    • 建立數據源連接數據
    • 使用“查詢向導”選擇數據
  • 1.2.2數據處理
    數據合並、數據計算、數據分組、數據去重等其他的SQL語句數據處理方式，均與Access數據庫中的基本一致。
  • 1.2.3數據分析
    • SQL語句分析法
    • 數據透視表法
      把處理好的數據作為數據透視表的數據源。數據透視表結果可以更加靈活、方便地以交叉表方式顯示。
      果然如此，這一招真實用。?
• 1.3本章小結
  • 了解數據庫的作用，並熟悉Access數據庫，了解其優勢與不足。
  • 了解SQL語句在數據處理與分析中的作用，並學習了其基本語法。
  • 學習Access數據庫中數據導入、數據合並、數據計算、數據分組、數據重復處理，以及數據分析的菜單操作與SQL語句實現方式。
  • 了解Microsoft Query工具的作用，及其與Access數據庫相似及不同之處。
  • 學習Microsoft Query工具的導入、數據處理，以及數據分析實現的方式。

第1章 高效處理千萬數據