SQL实战分析

SQL实战分析
数据来源:https://pan.baidu.com/s/1zBobf63JTbhNKxZ9P-Ju1Q
正式开始(只用到一个表,以下用x代替)

1.先看一下所有数据

select * from x

2.看过数据之后正式开始查找,接下来查看地点在北京且职位是数据分析师的数据
(即北京的数据分析师)

select * from x
where city = '北京' and positionName = '数据分析师'

3.接上面查找地点在北京或者职位是数据分析师的数据

select * from x
where city = '北京' or positionName = '数据分析师'

4.查找北京或者上海的数据分析师的数据

select * from x
where city in('上海','北京') and positionName = '数据分析师'

以上的逻辑判断的都只用到了'=',按实际需求可以有 大于'>',小于'<',不等于'!='

5.再按上面举个例子,查找公司ID超过超过500的数据

select * from x
where companyId >= 500

6.positionLables这一列描述很杂,下面我们模糊查找一下包含数据分析的数据

select * from x
where positionLables like '%数据分析%'

7.以城市为组看一下,不同城市的职位数量情况

select city,count(distinct positionId) from x
group by city

8.在7的条件下再加入招聘学历限制

select city,workYear,count(distinct positionId) from x
group by city,workYear

9.有些数据拿到手,不一定能直接用,需要清洗,如本表的salary(格式为nk-nk)
我们需要得到平均工资,我们先把最低工资洗出来,此处用left函数截取,用location定位。

select salary,left(salary,locate('k',salary)-1) as bottomsalary from x

得到最低工资,再来看看最高工资
10.清洗最高工资

select salary,substr(salary,locate('-',salary)+1,(length(salary)-locate('-',salary))-1) as topsalary from x

11.结合起来再结合招聘学历要求可以得到以下结果

select city,workYear,avg((bottomsalary+topsalary)/2) as avgsalary 
from (select city,salary,workYear,left(salary,locate('K',salary)-1) as bottomsalary,substr(salary,locate('-',salary)+1,(length(salary)-locate('-',salary))-1) as topsalary 
from 11dataanalyst) as t1 where salary not like '%以上%'
group by city,workYear
order by city,avgsalary

以上便得到,各个城市,不同学历之间的平均工资。
12.查询招聘数量top3的公司数据

select companyId,companyShortName,count(distinct positionId)
from 11dataanalyst
group by companyId
order by count(distinct positionId) desc limit 3

13.查询出O2O、电子商务、互联网金融这三个行业,哪个行业的平均薪资最高.

select industryField,avg((bottomsalary+topsalary)/2) 
from (select city,salary,industryField,left(salary,locate('K',salary)-1) as bottomsalary,substr(salary,locate('-',salary)+1,(length(salary)-locate('-',salary))-1) as topsalary 
from 11dataanalyst) as t1 where salary not like '%以上%' and industryField in ('o2o','电子商务','互联网')
group by industryField
order by avg((bottomsalary+topsalary)/2) desc
最后编辑于
©著作权归作者所有,转载或内容合作请联系作者
  • 序言:七十年代末,一起剥皮案震惊了整个滨河市,随后出现的几起案子,更是在滨河造成了极大的恐慌,老刑警刘岩,带你破解...
    沈念sama阅读 216,997评论 6 502
  • 序言:滨河连续发生了三起死亡事件,死亡现场离奇诡异,居然都是意外死亡,警方通过查阅死者的电脑和手机,发现死者居然都...
    沈念sama阅读 92,603评论 3 392
  • 文/潘晓璐 我一进店门,熙熙楼的掌柜王于贵愁眉苦脸地迎上来,“玉大人,你说我怎么就摊上这事。” “怎么了?”我有些...
    开封第一讲书人阅读 163,359评论 0 353
  • 文/不坏的土叔 我叫张陵,是天一观的道长。 经常有香客问我,道长,这世上最难降的妖魔是什么? 我笑而不...
    开封第一讲书人阅读 58,309评论 1 292
  • 正文 为了忘掉前任,我火速办了婚礼,结果婚礼上,老公的妹妹穿的比我还像新娘。我一直安慰自己,他们只是感情好,可当我...
    茶点故事阅读 67,346评论 6 390
  • 文/花漫 我一把揭开白布。 她就那样静静地躺着,像睡着了一般。 火红的嫁衣衬着肌肤如雪。 梳的纹丝不乱的头发上,一...
    开封第一讲书人阅读 51,258评论 1 300
  • 那天,我揣着相机与录音,去河边找鬼。 笑死,一个胖子当着我的面吹牛,可吹牛的内容都是我干的。 我是一名探鬼主播,决...
    沈念sama阅读 40,122评论 3 418
  • 文/苍兰香墨 我猛地睁开眼,长吁一口气:“原来是场噩梦啊……” “哼!你这毒妇竟也来了?” 一声冷哼从身侧响起,我...
    开封第一讲书人阅读 38,970评论 0 275
  • 序言:老挝万荣一对情侣失踪,失踪者是张志新(化名)和其女友刘颖,没想到半个月后,有当地人在树林里发现了一具尸体,经...
    沈念sama阅读 45,403评论 1 313
  • 正文 独居荒郊野岭守林人离奇死亡,尸身上长有42处带血的脓包…… 初始之章·张勋 以下内容为张勋视角 年9月15日...
    茶点故事阅读 37,596评论 3 334
  • 正文 我和宋清朗相恋三年,在试婚纱的时候发现自己被绿了。 大学时的朋友给我发了我未婚夫和他白月光在一起吃饭的照片。...
    茶点故事阅读 39,769评论 1 348
  • 序言:一个原本活蹦乱跳的男人离奇死亡,死状恐怖,灵堂内的尸体忽然破棺而出,到底是诈尸还是另有隐情,我是刑警宁泽,带...
    沈念sama阅读 35,464评论 5 344
  • 正文 年R本政府宣布,位于F岛的核电站,受9级特大地震影响,放射性物质发生泄漏。R本人自食恶果不足惜,却给世界环境...
    茶点故事阅读 41,075评论 3 327
  • 文/蒙蒙 一、第九天 我趴在偏房一处隐蔽的房顶上张望。 院中可真热闹,春花似锦、人声如沸。这庄子的主人今日做“春日...
    开封第一讲书人阅读 31,705评论 0 22
  • 文/苍兰香墨 我抬头看了看天上的太阳。三九已至,却和暖如春,着一层夹袄步出监牢的瞬间,已是汗流浃背。 一阵脚步声响...
    开封第一讲书人阅读 32,848评论 1 269
  • 我被黑心中介骗来泰国打工, 没想到刚下飞机就差点儿被人妖公主榨干…… 1. 我叫王不留,地道东北人。 一个月前我还...
    沈念sama阅读 47,831评论 2 370
  • 正文 我出身青楼,却偏偏与公主长得像,于是被迫代替她去往敌国和亲。 传闻我的和亲对象是个残疾皇子,可洞房花烛夜当晚...
    茶点故事阅读 44,678评论 2 354