如何在 Jupyter Notebook 执行和学习 SQL 语句（上）—

如何在 Jupyter Notebook 执行和学习 SQL 语句（上）—— 基本原理详解和相关库安装篇

近期我找工作很多岗位问到sql，由于我简历上有写，加上我实习的时候确实运用了，所以我还是准备复习一下SQL语句，常见的内容，主要包括一些内容，比如SQL基础（主要是取数select，毕竟用的时候基本上不会让我一个实习生进行一个删除之类的操作）和一些进阶的用法比如窗口函数之类的！

FROM：指定表格或视图，支持多表连接。

WHERE：条件过滤，筛选符合条件的行。

GROUP BY：按指定列分组，通常配合聚合函数使用。

HAVING：分组后的条件过滤，应用于聚合结果。

ORDER BY：排序结果，默认升序，支持降序。

LIMIT：限制返回的行数，常用于分页。

步骤	功能说明	常用方法	示例
SELECT	选择要返回的列、表达式、聚合函数	- 列名	SELECT name, SUM(price), COUNT(id)
		- 聚合函数（COUNT, SUM, AVG, MAX, MIN）	SELECT CASE WHEN age > 18 THEN 'Adult' ELSE 'Child' END AS age_group
		- CASE 表达式
FROM	指定要查询的表格或视图	- 单表查询	FROM users u JOIN transactions t ON u.id = t.user_id
		- 多表连接 (JOIN, INNER JOIN, LEFT JOIN, RIGHT JOIN)
		- 笛卡尔积 (CROSS JOIN)
WHERE	条件过滤，筛选符合条件的行	- 条件运算符 (=, <>, >, <, BETWEEN)	WHERE age > 25
		- 模式匹配 (LIKE, RLIKE)	WHERE email LIKE '%example.com'
		- 集合运算 (IN, EXISTS)	WHERE id IN (SELECT id FROM other_table)
GROUP BY	对结果按某些列进行分组，通常配合聚合函数使用	- 列名分组	GROUP BY user_id
		- 多列分组 (GROUP BY col1, col2)	GROUP BY department, role
HAVING	在分组后的结果上进一步过滤，通常用于聚合结果	- 聚合函数条件 (HAVING SUM(price) > 1000)	HAVING COUNT(*) > 2
			HAVING SUM(total_price) > 500
ORDER BY	对结果进行排序，按指定列升序（ASC）或降序（DESC）	- 按单列排序 (ORDER BY col)	ORDER BY transaction_date DESC
		- 按多列排序 (ORDER BY col1 ASC, col2 DESC)	ORDER BY name ASC, age DESC
LIMIT	限制返回的行数，通常用于分页	- LIMIT	LIMIT 10
		- OFFSET	LIMIT 10 OFFSET 20

然后由于我在自己的小破电脑上没有安装SQL的环境，但还是想要联系一下，除了牛客我只能选择了在Jupyter Notebook中使用SQL，我通过以下步骤创建一个数据库并连接到该数据库：

1. 安装SQLite和SQLAlchemy

SQLite 是一个轻量级的数据库系统，适合本地小型项目。SQLAlchemy 是一个强大的数据库连接工具，可以在Jupyter中方便地运行SQL查询。

在Jupyter Notebook的单元格中运行以下命令来安装：

!pip install sqlalchemy sqlite

2. 创建SQLite数据库

SQLite数据库是一个文件，我选择直接在本地创建一个SQLite数据库文件。

import sqlite3

# 创建一个名为 example.db 的SQLite数据库
conn = sqlite3.connect('example.db')

# 创建游标对象，用于执行SQL语句
cursor = conn.cursor()

# 创建一个示例表格
cursor.execute('''
    CREATE TABLE IF NOT EXISTS users (
        id INTEGER PRIMARY KEY AUTOINCREMENT,
        name TEXT NOT NULL,
        age INTEGER NOT NULL
    )
''')

# 插入一些数据
cursor.execute("INSERT INTO users (name, age) VALUES ('Alice', 25)")
cursor.execute("INSERT INTO users (name, age) VALUES ('Bob', 30)")

# 提交事务保存数据
conn.commit()

# 关闭连接
conn.close()

3. 连接到数据库并查询

再次打开连接并执行SQL查询。

# 重新连接到数据库
conn = sqlite3.connect('example.db')

# 使用 pandas 方便读取 SQL 查询结果
import pandas as pd

# 查询数据
query = "SELECT * FROM users"
df = pd.read_sql_query(query, conn)

# 展示数据
print(df)

# 关闭连接
conn.close()

1. 基础SQL操作——简历一个数据表

execute(）使用这个方法就可以轻松在python的环境中是执行一些sql语言，由于我本人没有安装sql的环境，我为了紧急复习一下sql也是煞费苦心

创建数据库和表，插入数据：

import sqlite3

# 创建SQLite数据库并连接
conn = sqlite3.connect('example.db')
cursor = conn.cursor()

# 创建用户表
cursor.execute('''
    CREATE TABLE IF NOT EXISTS users (
        id INTEGER PRIMARY KEY AUTOINCREMENT,
        name TEXT NOT NULL,
        age INTEGER NOT NULL,
        email TEXT
    )
''')

# 插入数据
cursor.execute("INSERT INTO users (name, age, email) VALUES ('Alice', 25, 'alice@example.com')")
cursor.execute("INSERT INTO users (name, age, email) VALUES ('Bob', 30, 'bob@example.com')")
cursor.execute("INSERT INTO users (name, age, email) VALUES ('Charlie', 35, 'charlie@example.com')")
cursor.execute("INSERT INTO users (name, age, email) VALUES ('David', 40, 'david@example.com')")

conn.commit()
conn.close()

查询数据：

conn = sqlite3.connect('example.db')
cursor = conn.cursor()

# 查询所有用户
cursor.execute("SELECT * FROM users")
rows = cursor.fetchall()

for row in rows:
    print(row)

conn.close()

比如user表长这样！