SQL Ready | Базы Данных

Кросс-таблица для удобного анализа данных! #новичкам Создадим pivot-таблицу для повышения читаемости и визуализации данных о продажах в разных городах. Предположим, что нам дали задание визуализировать продажи за последние 3 месяца. Исходная таблица Sales имеет поля City, Month и Amount. Пусть строками будут города, столбцами — месяцы, а значениями — количество продаж:

SELECT
    City,
    SUM(CASE WHEN Month = 'Январь' THEN Amount ELSE 0 END) AS Январь,
    SUM(CASE WHEN Month = 'Декабрь' THEN Amount ELSE 0 END) AS Декабрь,
    SUM(CASE WHEN Month = 'Ноябрь' THEN Amount ELSE 0 END) AS Ноябрь
FROM Sales

Группируем результаты по городам, чтобы получить сумму продаж за каждый месяц для каждого города:

GROUP BY City

Отсортируем также по городам:

ORDER BY City;

И получаем результат:

 City              | Январь | Декабрь | Ноябрь
-------------------+--------+---------+---------
 Казань            | 97986  | 129960  | 112784
 Москва            | 165678 | 246572  | 198880
 Нижний Новгород   | 112326 | 148901  | 136867
 Новосибирск       | 65920  | 92800   | 88965
 Санкт-Петербург   | 144569 | 213478  | 167450

Теперь данные о продажах находятся в гораздо удобном для чтения и визуализации виде, используйте кросс-таблицы для практичного анализа данных! ➡️ SQL Ready | #практика

🖥 Получаем доступ к соседним записям с помощью методов: LAG и LEAD — методы оконных функций, которые применяются для сравнения записей: • LEAD — предоставляет доступ к записям следующим за текущей. Принимает текущую запись, значение смещения (в цифрах) и значение по умолчанию в случае отсутствия указанной записи. • LAG — аналогично LEAD, но единственный момент, что он дает доступ к записям предыдущим текущей. 🔥 — если узнал новое 🤝 — если уже пользовался ➡️ SQL Ready | #метод

Нужно собрать клиентов, которые давно не делали покупок! #новичкам Сегодня мы разберемся, как несложные операции множеств помогут вам в решении подобных задач: Операции множеств — операции объединения, пересечения и вычитания записей из разных таблиц и объединение в одну результирующую. Основные функции:

• UNION — объединение записей по заданным условиям с удалением дубликатов. • INTERSECT — вывод только тех записей, которые есть в обоих таблицах. • EXCEPT — возвращает только те строки, которые присутствуют в первом запросе, но отсутствуют во втором.

🔥 — если узнал новое 🤝 — если уже пользовался ➡️ SQL Ready | #ресурс

• infosec - это один из самых ламповых каналов по информационной безопасности, где говорят об истории ИТ, публикуют актуальные новости и пишут технический материал на разные темы: - Что из себя представляет официально взломанный iPhone от Apple? - К чему могла привести опечатка в инфраструктуре платёжной системы MasterCard? - Авторский материал для ИБ специалистов с закрытого хакерского форума XSS; - Бесплатный бот, который проверит файлы на предмет угроз более чем 70 антивирусами одновременно. • А еще у нас часто проходят розыгрыши самых актуальных и новых книг для ИБ специалистов. Так что присоединяйся, у нас интересно!

codechef — платформа, на которой доступно множество языков программирования, задачи можно решать прямо в редакторе кода, а встроенный AI-ассистент поможет найти и исправить ошибку в коде. 📌 Ссылочка: codechef.com ➡️ SQL Ready | #ресурс

🖥 Агрегатные функции SQL В этой шпаргалке собраны 7 агрегатных функций, который позволяют выполнять вычисления на наборе значений и возвращать одно значение, что полезно для анализа данных и создания отчетов. ➡️ SQL Ready | #шпора

💡 Лучшие Менторы выложили в открытый доступ свои базы знаний 10 000+ вопросов с собеседований и 1 000+ курсов и материалов по самым популярным направлениям: 👩‍💻 C# 🤖 ML Engineer 👩‍💻 C/C++ 🖥 Data Science 👩‍💻 Java 👩‍💻 Python 🖥 PHP 👩‍💻 Frontend 👣 Rust 👣 Golang 🖥 Ruby 👩‍💻 Node.js 👩‍💻 QA 👩‍💻 Android 👩‍💻 iOS 👩‍💻 Game Dev 💻 DevOps 🖥 Общее IT 📆 Митапы 👨‍💻 Вакансии Всё, что нужно для подготовки к собеседованию — в одном месте! 💬 Выбирай направление и становись частью IT

👍 Еще одна интересная статья попалась мне на Хабре — подборка прикладных задач для аналитики данных В этой статье: • Работа с NULL и применение логики ветвления IF-THEN-ELSE • Дедупликация данных • Анализ истории со Slowly Changing Dimensions

🔊 Продолжить читать можешь на Habr!

➡️ SQL Ready | #статья

Знали про StrataScratch? Это платформа по типу leetcode, но только для SQL На этом сайте вы сможете выбрать задачи разного уровня и профиля, а также выбрать подходящую СУБД для практики. 📌 Ссылочка: stratascratch.com ➡️ SQL Ready | #ресурс

🖥 Разберем два похожих метода для работы с разными типами данных Как мы помним из викторины, чтобы не столкнуться с неожиданным результатом запроса, важно явно указать типы данных при взаимодействии разных типов. Для этого существуют методы: • CAST — преобразует указанное значение в заданный тип данных. Необходимо для преобразования строковых значений в числовые, чтобы их можно было сравнить. • CONVERT — аналогичный метод преобразования данных, но предлагает расширенный функционал для форматирования, но поддерживается не всеми СУБД. 🔥 — если узнал новое 🤝 — если уже пользовался ➡️ SQL Ready | #метод

«Вместо философии учил java, вместо доты — питон. Через 3 месяца нашёл работу с зп 90к» Думаете, повезло? Уверен, что так сможет каждый — потому что эти языки востребованы (70% программ и сервисов работают на них) и просты в усвоении (за 3 месяца можно выйти на достойный уровень без напряга). А вот и каналы, где нашёл всю инфу. Её грамотно собрали, даже сложные темы изучаются легко: Java (теория) Java (практика) Python Уже через месяц сможете писать простеньких ботов для телеги и продавать по 5-7к, кайф же 🥰

😎 Нашел для вас незаконно полезную статью на Хабре, в которой автор делится своим опытом и хитростями в работе с БД и SQL. В этой статье: • Лайфхаки при работе с большими загрузками. • В каком виде стоит загружать данные. • Неочевидные советы при работе с индексами.

🔊 Продолжить читать можешь на Habr!

➡️ SQL Ready | #статья

📥 7539 ГБ платного контента из онлайн-школ утекли в Telegram и теперь лежат в открытом доступе: 😡 Hacking & InfoSec (644 ГБ) 🖥 Python (724 ГБ) 🖥 Frontend (981 ГБ) 🖥 Backend (817 ГБ) 🖥 Все направления (4373 ГБ) Вход открыт ровно на 48 часов 🕔

Почему неожиданно увеличилось время запроса? Причин тому может быть много - неоптимизированный запрос, запрос вне индекса, устаревшая статистика таблицы и так далее. И точно определить причину помогут инструменты EXPLAIN и ANALYZE. Предположим, у нас есть большая таблица, которая содержит около миллиона строк с разными книгами. Естественно у нас уже есть некластерный индекс по столбцу жанр — для быстрого поиска книг по жанрам, сделаем запрос:

SELECT book_title, author FROM books WHERE genre = 'Фантастика';

Но запрос возвращает результат не за 200 ожидаемых мс, а за 900 мс. Многовато, надо разбираться, проанализируем запрос:

EXPLAIN ANALYZE SELECT book_title, author FROM books WHERE genre = 'Фантастика';

Запрос EXPLAIN ANALYZE возвращает план запроса и время выполнения каждой операции в запросе:

                            QUERY PLAN
 Seq Scan on books (cost=0.00..25000.00 rows=1000 width=100) (actual time=0.010..900.000 rows=500 loops=1)
  Filter: (genre = 'Фантастика'::text)
  Rows Removed by Filter: 999500
 Planning Time: 0.200 ms
 Execution Time: 900.500 ms
(4 rows)

Проанализируем план запроса и увидим, что планировщик запроса собирается обойти всю таблицу — Seq Scan on books, хотя должен использовать индекс по жанру. Это значит, планировщик не использует индекс из-за устаревшей статистики или из-за быстрого роста записей в таблице. 🔥 В следующей части расскажу, что делать для обновления статистики таблицы и как избежать таких ситуаций с помощью VACUUM ANALYZE. ➡️ SQL Ready | #практика