在文件上使用 SQL 查询的示例

在数据分析业务中经常要处理数据文件。我们知道，对于数据库中的数据，使用SQL来查询是非常方便快捷的，所以很容易想到把文件数据先导入到数据库再用SQL来查询。但是文件数据导入数据库本身也是很繁琐的工作，那么有没有直接对数据文件使用SQL查询的办法呢？本文将介绍这样的办法，列举出用 SQL 查询文件数据的各种情况，并提供用 esProc SPL 编写的代码示例。esProc 是专业的数据计算引擎，SPL 中提供了完善的用 SQL 查询文件数据的方法。本文用文本文件举例，但同时也适用于Excel文件。1.  过滤使用SQL从文本文件中筛选满足条件的记录。示例：从学生成绩表Students_scores.txt中筛选出10班的学生成绩，文件中第一行是列名，第二行开始是数据，如下图所示。

A1$select * from   E:/txt/Students_scores.txt where2.  汇总使用SQL对文本文件中的数据进行汇总。示例：计算学生成绩表中全体学生的语文平均分、数学最高分、英语总分。A1$select   avg(Chinese),max(Math),sum(English) from E:/txt/Students_scores.txt3.  跨列计算使用SQL对文本文件中的数据进行跨列计算。示例：计算学生成绩表中每位学生的总分。A1$select   *,English+Chinese+Math as total_score from E:/txt/students_scores.txtA1中结果如下，增加了一个新的计算列total_score：

4.  CASE语句在SQL中可以使用CASE语句进行复杂条件计算。示例：计算学生成绩表中每位同学的英语成绩是否及格。A1$select   *, case when English>=60 then 'Pass' else 'Fail' end as English_evaluation   from E:/txt/students_scores.txtA1中结果如下，增加了一个新的计算列English_evaluation：

5.  排序使用SQL对文本文件中的数据进行升/降序排序。示例：将学生成绩表按照班号升序、总分降序的顺序排列。A1$select *   from E:/txt/students_scores.txt order by CLASS,English+Chinese+Math desc6.  TOP-N使用SQL对文本文件中的数据求TOP-N。示例：查看英语成绩最高的3个同学成绩。A1$select   top 3 * from E:/txt/students_scores.txt order by English desc7.  分组汇总使用SQL对文本文件中的数据进行分组汇总。示例：查询各班的英语最低分、语文最高分、数学总分。A1$select   CLASS,min(English),max(Chinese),sum(Math) from E:/txt/students_scores.txt   group by CLASS8.   分组后过滤使用SQL对文本文件中的数据分组汇总后再过滤。示例：找出英语平均分低于70分的班级。A1$select   CLASS,avg(English) as avg_En from E:/txt/students_scores.txt group by CLASS having   avg(English)<70A1中查询结果如下：

9.  去重使用SQL对文本文件中的数据进行去重查询。示例：查询所有班级编号。A1$select   distinct CLASS from E:/txt/students_scores.txt10.   去重计数使用SQL对文本文件中的数据进行去重计数。示例：在产品数据文件中，统计共有多少种不同产品。文件部分数据如下所示：

A1$select   count(distinct PID) from E:/txt/PRODUCT_SALE.txt11.  分组去重计数使用SQL分组对文本文件中的数据分组后进行去重计数。示例：根据产品销售数据文件，统计每个产品有销售记录的天数。A1$select   PID,count(distinct DATE) as no_sdate from E:/txt/PRODUCT_SALE.txt group by   PID12.   两个文件关联查询使用SQL对两个文本文件中的数据进行关联查询。示例：产品信息和销售信息分别存储在两个文本文件中，计算每次销售数量小于10的产品的总销售额。两个文件数据结构如下图：

A1$select   sum(S.quantity*P.Price) as totalfrom E:/txt/Sales.txt as S   join E:/txt/Products.txt as P on S.productid=P.IDwhere S.quantity<=1013.  多个文件关联查询使用SQL对多个文本文件中的数据进行关联查询。示例：州信息，部门信息和员工信息分别存储在3个文本文件中，查询California州的HR部门的员工。A1$select   e.NAME as NAMEfrom  E:/txt/EMPLOYEE_J.txt  as ejoin E:/txt/DEPARTMENT.txt as d on   e.DEPTID=d.DEPTIDjoin E:/txt/STATE.txt as s on   e.STATEID=s.STATEIDwhered.NAME='HR' and s.NAME='California'14.  多个文件多级关联查询使用SQL对多个文本文件中的数据进行多级关联查询。示例：州信息，部门信息和员工信息分别存储在3个文本文件中，查询经理在California州的New York州员工。A1$select   e.NAME as ENAMEfrom   E:/txt/EMPLOYEE.txt  as ejoin E:/txt/DEPARTMENT.txt as d on   e.DEPT=d.NAMEjoin E:/txt/EMPLOYEE.txt  as emp on d.MANAGER=emp.EIDwhere   e.STATE='New York' and emp.STATE='California'15.   嵌套子查询支持复杂SQL作为子查询。示例：员工信息和部门信息分别存储在2个文本文件中，找出部门经理最年轻的部门。文件部分数据如下图所示：

A1$select   emp.BIRTHDAY as BIRTHDAY,emp.DEPT as DEPTfrom E:/txt/DEPARTMENT.txt as deptjoin  E:/txt/EMPLOYEE.txt empon  dept.MANAGER=emp.EIDwhereemp.BIRTHDAY=(select   max(BIRTHDAY)from ( select emp1.BIRTHDAY as BIRTHDAYfrom E:/txt/DEPARTMENT.txt as   dept1join E:/txt/EMPLOYEE.txt as   emp1on  dept1.MANAGER=emp1.EID))16.   公用表表达式使用SQL的with子句对文本文件中的数据进行计算。示例：从部门数据文件中找出指定部门HR、R&D、Sales，再计算这几个部门女员工人数和平均工资。数据文件同上例。A1$with A   as(select   NAME as DEPT from E:/txt/DEPARTMENT.txtwhere   NAME='HR' or NAME='R&D' or NAME='Sales')select   A.DEPT DEPT,count(*) NUM,avg(B.SALARY) AVG_SALARY fromA left   join E:/txt/EMPLOYEE.txt Bon   A.DEPT=B.DEPTwhere   B.GENDER='F' group by A.DEPT《SPL CookBook》中还有更多敏捷计算示例。