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。

 

 

	A
1	$select * from E:/txt/Students_scores.txt where class=10

2. 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。

	A
1	$select avg(Chinese),max(Math),sum(English) from E:/txt/Students_scores.txt

3. 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。

	A
1	$select *,English+Chinese+Math as total_score from E:/txt/students_scores.txt

A1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。

	A
1	$select *, case when English>=60 then 'Pass' else 'Fail' end as English_evaluation from E:/txt/students_scores.txt

A1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。

	A
1	$select * from E:/txt/students_scores.txt order by CLASS,English+Chinese+Math desc

6. 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。

	A
1	$select top 3 * from E:/txt/students_scores.txt order by English desc

7. 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。

	A
1	$select CLASS,min(English),max(Chinese),sum(Math) from E:/txt/students_scores.txt group by CLASS

8. 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。

	A
1	$select CLASS,avg(English) as avg_En from E:/txt/students_scores.txt group by CLASS having avg(English)<70

A1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。

	A
1	$select distinct CLASS from E:/txt/students_scores.txt

10. 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：

 

 

	A
1	$select count(distinct PID) from E:/txt/PRODUCT_SALE.txt

11. 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。

	A
1	$select PID,count(distinct DATE) as no_sdate from E:/txt/PRODUCT_SALE.txt group by PID

12. 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：

 

 

	A
1	$select sum(S.quantity*P.Price) as total from E:/txt/Sales.txt as S join E:/txt/Products.txt as P on S.productid=P.IDwhere S.quantity<=10

13. 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。

	A
1	$select e.NAME as NAME from E:/txt/EMPLOYEE_J.txt as e join E:/txt/DEPARTMENT.txt as d on e.DEPTID=d.DEPTID join E:/txt/STATE.txt as s on e.STATEID=s.STATEIDwhere d.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。

	A
1	$select e.NAME as ENAME from E:/txt/EMPLOYEE.txt as e join E:/txt/DEPARTMENT.txt as d on e.DEPT=d.NAME join 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：

 

 

 

 

	A
1	$select emp.BIRTHDAY as BIRTHDAY,emp.DEPT as DEPT from E:/txt/DEPARTMENT.txt as dept join E:/txt/EMPLOYEE.txt emp on dept.MANAGER=emp.EIDwhere emp.BIRTHDAY=(select max(BIRTHDAY) from ( select emp1.BIRTHDAY as BIRTHDAY from E:/txt/DEPARTMENT.txt as dept1 join E:/txt/EMPLOYEE.txt as emp1 on 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。

	A
1	$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