第七篇: BigQuery中的复杂SQL查询

BigQuery中的复杂SQL查询

背景与目标

在数据分析中,我们通常需要从多个数据源中获取信息,以便进行深入的分析。这时,BigQuery提供的JOINUNION和子查询等复杂SQL语句非常实用。本文将以Google BigQuery的公共数据集为例,介绍如何使用这些高级SQL操作,并展示具体的使用场景,如从人口统计数据和城市服务请求中获取洞察。


1. JOIN操作:整合多表信息

在多表分析中,JOIN用于合并相关的表数据。例如,假设我们希望查看2000至2010年间美国常见的女性名字及旧金山的311服务请求类型。这个分析可以帮助我们在城市服务和人口统计之间发现潜在的联系。

sql 复制代码
SELECT
  names.name AS popular_name,
  names.year AS year,
  requests.category AS service_request,
  requests.created_date AS request_date
FROM
  `bigquery-public-data.usa_names.usa_1910_current` AS names
JOIN
  `bigquery-public-data.san_francisco.311_service_requests` AS requests
ON
  names.year = EXTRACT(YEAR FROM requests.created_date)
WHERE
  names.gender = "F"
  AND names.year BETWEEN 2000 AND 2010
LIMIT 100;

查询结果示例:

html 复制代码
popular_name	year	service_request
Emma			2008	311 External Request
Abigail			2008	311 External Request
Ava				2008	311 External Request
Sophia			2008	311 External Request
Isabella		2008	311 External Request
...

2. UNION操作:合并多个数据源

UNION操作适用于字段结构相似的多表合并,例如合并不同城市的311服务请求。

sql 复制代码
SELECT 
  "San Francisco" AS city,
  category as request_type,
  created_date as requested_date
FROM
  `bigquery-public-data.san_francisco.311_service_requests`
UNION ALL
SELECT 
  "New York" AS city,
  complaint_type AS request_type,
  created_date AS requested_date
FROM
  `bigquery-public-data.new_york_311.311_service_requests`;`

此查询将旧金山和纽约的311服务请求整合在一个表中,使我们可以在一个表中查看两地的公共服务需求数据。


3. 子查询:嵌套查询实现高级筛选

子查询用于从一个查询的结果中进一步筛选或聚合数据。例如,我们希望在旧金山市2019年最常见的五个服务请求中找到每个请求类型的平均处理时间。

sql 复制代码
SELECT 
  main.category,
  AVG(main.request_duration) AS avg_duration
FROM (
  SELECT 
    category,
    TIMESTAMP_DIFF(closed_date, created_date, MINUTE) AS request_duration
  FROM 
    `bigquery-public-data.san_francisco.311_service_requests`
  WHERE 
    EXTRACT(YEAR FROM created_date) = 2016
) AS main
GROUP BY 
  main.category
ORDER BY 
  avg_duration DESC
LIMIT 5

查询结果示例:

html 复制代码
category								avg_duration
SFHA Requests							696681.24735376
General Request - HUMAN RESOURCES		562258.918918919
General Request - MEDICAL EXAMINER		561643.0
General Request - CONVENTION FACILITIES	546616.0
General Request - STATUS OF WOMEN		532976.0

解释:

  • 内部查询从旧金山的311服务请求数据中提取2016年的请求类型和每个请求的处理时间。
  • 外部查询通过聚合函数AVG计算每种服务类型的平均处理时间,并按时间排序。

总结

BigQuery提供了强大的JOINUNION和子查询操作,帮助我们更灵活地整合和分析多来源数据。这些操作在业务分析和数据仓库管理中非常实用,通过合理应用这些SQL操作,可以有效提高数据分析的深度和效率。

相关推荐
时差9532 小时前
【面试题】Hive 查询:如何查找用户连续三天登录的记录
大数据·数据库·hive·sql·面试·database
Mephisto.java2 小时前
【大数据学习 | kafka高级部分】kafka的优化参数整理
大数据·sql·oracle·kafka·json·database
lzhlizihang5 小时前
【Hive sql 面试题】求出各类型专利top 10申请人,以及对应的专利申请数(难)
大数据·hive·sql·面试题
威哥爱编程6 小时前
SQL Server 数据太多如何优化
数据库·sql·sqlserver
Mephisto.java6 小时前
【大数据学习 | kafka高级部分】kafka的kraft集群
大数据·sql·oracle·kafka·json·hbase
Mephisto.java6 小时前
【大数据学习 | kafka高级部分】kafka的文件存储原理
大数据·sql·oracle·kafka·json
数新网络11 小时前
《深入浅出Apache Spark》系列②:Spark SQL原理精髓全解析
大数据·sql·spark
师太,答应老衲吧13 小时前
SQL实战训练之,力扣:2020. 无流量的帐户数(递归)
数据库·sql·leetcode
NiNg_1_23415 小时前
高级 SQL 技巧详解
sql