前言

书接上回大数据分析入门10分钟快速了解SQL。

本篇将会进一步介绍JOIN连接语法。

基本语法

SELECT column_name
FROM table1
[INNER|LEFT|RIGHT|FULL|CROSS] JOIN table2
ON table1.column_name=table2.column_name;

假设你有一张表students表记录了id,school_year,name,score四个字段；

• 如果你想知道"2023学年"比"2022学年"分数提升的学生，那么SQL如下

SELECT l.name, l.score, l.score, r.score
FROM
	(SELECT id,school_year,name,score 
	 FROM students
	 WHERE school_year = '2023') l -- 2023学年的学生成绩作为子查询l
JOIN 
	(SELECT id,school_year,name,score 
	 FROM students
	 WHERE school_year = '2022') r -- 2022学年的学生成绩作为子查询r
 ON l.id = r.id -- 根据id连接两年的成绩
 WHERE l.score >  r.score -- 筛选2023年 > 2022年的结果

但事实上，2023年相比2022年可能有退学、有新转入的学生，那这部分的学生会出现在结果中吗？
需要引入JOIN类型才能控制这部分结果

• JOIN默认是INNER JOIN，只有左右查询都存在时，才会出现在结果。因此查询结果，不会有2023年退学或者新转入的学生。
• LEFT JOIN有左侧查询的所有数据，因此2023新转入的学生会出现在结果（2022年缺失的score为NULL）
• RIGHT JOIN有右侧查询的所有数据，因此2023退学的学生会出现在结果（2023年缺失的score为NULL）
• FULL JOIN有两侧查询的所有数据，因此2023新转入、退学的学生都会出现在结果（缺失学年的成绩会补为NULL）

注意调整JOIN类型时候，也要调整WHERE条件l.score IS NULL or r.score IS NULL；避免NULL值被WHERE过滤掉

进阶用法

一般在大数据场景，都需要指定连接条件进行JOIN；

但不指定连接条件也能使用CROSS JOIN，“笛卡尔积”将每一行都进行连接。

某些分析场景也能派上用场，例如

• 如果你想要知道2023年每个学生和平均分相差多少，那么SQL如下

SELECT l.name, l.score, l.score - r.avg_score -- 计算当前学生和平均成绩的差
FROM
	(SELECT id,school_year,name,score 
	 FROM students
	 WHERE school_year = '2023') l -- 2023学年的学生成绩作为子查询l
CROSS JOIN 
	(SELECT AVG(score) avg_score
	 FROM students
	 WHERE school_year = '2023') r -- 2023学年的平均成绩作为子查询r

总结

虽然JOIN类型有这么多种，但抓住了差异后，其实不难理解。

欢迎提出你遇到的SQL问题，我会针对地出一些教程解答大家问题的～