数据处理方式总结

本周在工作中处理了很多数据，比如查找联系方式相同的客户、查找宁波地区客户询价情况、多个库联系方式相同的关联起来等，在工作中学到很多数据处理的小技巧，总结一下，之后学到的也会补充进来~
我总结了处理数据的四个点：

SQL处理
脚本处理（python/java）
excel处理
VSCode文本处理

SQL处理

SQL大家都会写，在这里介绍几个sql的函数和特性。

1.group_concat()函数

将group by产生的同一个分组中的值连接起来，返回一个字符串结果。语法：group_concat( [distinct] 要连接的字段 [order by 排序字段 asc/desc ] [separator ‘分隔符’] )，通过使用distinct可以排除重复值；如果希望对结果中的值进行排序，可以使用order by子句；separator是一个字符串值，缺省为一个逗号。

2.HAVING count(*) > 1

例如：select email from test group by email having count(*) > 1
在表test中以邮箱分组，分组后显示每组里面邮箱出现次数大于１的数据。
没有分组的情况下having和where 类似。有分组的时候，where对分组前内容过滤，having是分组后的内容进行筛选。having()里面可以写聚合函数。

3.now()

now() 函数返回当前的日期和时间。一般在修改数据时，会写入数据的更改时间，这时就会用到这个函数。

4.left join

即左连接，是以左表为基础，根据ON后给出的两表的条件将两表连接起来。结果会将左表所有的查询信息列出，而右表只列出ON后条件与左表满足的部分。左连接全称为左外连接，是外连接的一种，同样的还有右链接和内连接。
在这里插入图片描述
值得注意的点是，左连接时对右表的条件约束（where）应该写在 on 条件后面，对两张表的联合数据做的约束应写在联合表的where条件中。

5.LENGTH(LTRIM(cellphone))>0 and cellphone REGEXP “¹[35678][0-9]{9}$”)

查找符合手机号正则的数据

脚本处理

这里说的脚本处理是指，在一些复杂的数据场景下，单写SQL比较复杂，执行慢，这时借助代码可以简化复杂场景，实现想要的数据效果。所有的计算机语言都可以帮助我们达到效果，我常用的有java和python，python刚接触不就，还在学习阶段，但是它深深的吸引了我的目光，它非常轻量，作为一种效率提升工具，python是一个很好的入门语言。因为它的语法简单，现成的库（轮子）很多，语言生态非常好。

本周使用python进行了数据处理：背景是需要找出系统中联系方式相同的客户，然后判断他们的跟进销售情况进行分组展示。通过SQL找到了联系方式重复的邮箱列表，同时使用group_concat()函数，把跟进销售集合罗列出来。
在这里插入图片描述
到这步后，把结果导出到csv格式文件，使用python来把销售的各种情况区分出来，图中销售id为0或者为空的皆为没有销售跟进的情况。

#!/usr/bin/python
# -*- coding: UTF-8 -*-
if __name__ == '__main__':
    for line in open('/Users/dx/py_script/test/data.csv'):
        line = line.strip('\n')
        my_list = line.split(',')
        cellphone = my_list[0]
        sub_list = list(set(my_list[1:len(line) - 1]))
        type = '未知'
        if (len(sub_list) == 1 and int(sub_list[0]) == 0):
            type = '多个联系人-无销售'
        elif (len(sub_list) == 1 and int(sub_list[0]) != 0):
            type = '多个联系人-销售相同'
        elif (len(sub_list) == 2 and (int(sub_list[0]) == 0 or int(sub_list[1]) == 0)):
            type = '多个联系人-一个有销售一个没有销售'
        else:
            type = '多个联系人-销售不同'
        print(cellphone, type, sep=',')
# print(line, list, sub_list)

通过程序轻松的把重复的邮箱号，按销售一致、销售不一致、一个有销售一个无销售和都无销售跟进分组了，在这里我使用了csv格式的文件来处理数据，csv文件的特点主要有以下几个：

文件结构简单，基本上和文本的差别不大；
可以和microExcle进行转换，这是一个很大的优点，很容易进行察看模式转换，但是如果你同样的csv文件和将其转换成xls文件后的size比较就更加明白他在size上的优势了。
由于其简单的存储方式，一方面可以减少存储信息的容量，这样有利于网络传输以及客户端的再处理；同时由于是一堆没有任何说明的数据，具备基本的安全性。

excel处理

在处理数据过程中使用excel的一些函数可以提高效率
1.VLOOKUP()函数
在这里插入图片描述
VLOOKUP函数是Excel中的一个纵向查找函数，它与LOOKUP函数和HLOOKUP函数属于一类函数，在工作中都有广泛应用，例如可以用来核对数据，多个表格之间快速导入数据等函数功能。功能是按列查找，最终返回该列所需查询序列所对应的值；与之对应的HLOOKUP是按行查找的。
我们来举个例子：
现在sheet1是user基本信息（userId，姓名、年龄）,sheet2中是user的爱好（userId、爱好），两张表格可以关联的是userId，现在要在sheet1表格上把爱好显示出来，其实这个例子在数据库中通过表连接同样能达到，这里只是举个简单的例子，解释一下这个函数。
在这里插入图片描述

我们在sheet1第一行数据后面写入函数=VLOOKUP(A1,Sheet2!A:B,2,FALSE)，下拉到所有列，就得到了结果数据

2.CONCAT()函数
concat(str1,str2,…)
返回结果为连接参数产生的字符串。如有任何一个参数为NULL ，则返回值为 NULL。
通常我们要把excel中数据拼接成sql，然后执行，这时就会用到excel的CONCAT()函数，还举上面的例子，现在需要把表格中每个user的年龄修改为15，=CONCAT(“update user_info set age=15 where id = “,A2,”;”)
在这里插入图片描述
除此之外，还有：条件判断的IF函数，条件求和的SUMIF函数等常用函数，之后用到再补充进来。

VSCode文本处理

vs code是一个非常好用的工具，全称是Visual Studio Code，他不仅是开源的，还集成了git，支持各种文件格式（html/jade/css/less/sass/xml），智能提示强大。我在数据处理的时候，使用了他的文本处理功能：全文替换
例子：在处理数据时候，需要在多条数据中，把末尾逗号后面没有数据的补充一个0。
在这里插入图片描述

类似的处理还有: