CDA数据分析【第二章：数据收集与导入】

一.概述

　　数据是对我们所研究现象的属性和特征的具体描述，在分析数据前必须要做的工作就是收集数据。按照存储形式可以将数据划分为结构化数据、非结构化数据和半结构化数据。

　　1.结构化数据

　　　　能够用数据或统一的格式加以表示，简单来说就是数据库。

　　2.非结构化数据

　　　　无法用数据或统一的结构加以表示，如视频、音频、图片、文档等形式。

　　3.半结构化数据

　　　　包括邮件、HTML、报表、资源库等。

二.SQL语言和MySQL

　　数据库，顾名思义，是存放数据的仓库。严格地讲，数据库是长期存储在计算机内、有组织的、可共享的大量数据的集合。数据库中的数据按一定的数据模型组织、描述和存储，具有较小冗余度、较高的数据独立性和易扩展性，并可为各种用户共享。概况地讲，数据库数据具有永久存储、有组织和可共享三个基本特点。

　　1.SQL语言

　　　　SQL【Structured Query Language】，即结构化查询语言，是关系型数据库的标准语言。SQL是在1974年由Boyce和Chamberlin提出的，并在IBM公司研制的数据库管理系统原型System R上实现。于1987年定为国际标准。SQL集数据查询【Data Query】、数据操纵【Data Manipulation】DML、数据定义【Data Definition】DDL和数据控制【Data Control】DCL功能于一身，语言风格统一，可以独立完成数据库生命周期中的全部活动。

　　2.数据查询

　　　　》选择表中的全部列或部分列，这就是关系代数中的投影运算。

　　　　》SELECT子句的<目标列表达式>不仅可以是表中的属性列，也可以是表达式。

　　3.聚集函数

　　4.连接查询

　　　　略

　　5.嵌套查询【子查询】

　　　　1.在SQL语言中，一个SELECT-FROM-WHERE语句称为一个查询块。将一个查询块嵌套在另一个查询块的WHERE子句或HAVING短语的条件中的查询称为嵌套查询【nested query】。

　　　　2.子查询的SELECT语句中不能使用ORDER BY子句，ORDER BY子句只能对最终的结果进行排序。

　　　　3.有些嵌套查询可以使用连接运算代替，有些是不能代替的。

　　　　4.子查询的查询条件不依赖于父查询，这类子查询称为不相关子查询。不相关子查询是一种比较简单的子查询。如果子查询的查询条件依赖父查询，这类子查询称为相关子查询。求解相关子查询不能像求解不相关子查询那样，一次将子查询求解出来，然后求解父查询。内层查询由于与外层查询有关，因此需要反复求值。因查询数据和表结构的差异，查询执行过程也会有所区别，一般执行步骤如下：

　　　　　　》从外层取出一个连接值，传送给内层连接

　　　　　　》执行内层查询，得到使用外层连接值查询到的值，用该值代替内层查询，得到外层查询

　　　　　　》执行该外层查询，得到对应的值

　　　　　　》重复以上3个步骤，直到外层连接值查询完为止

　　　　5.带有ANY或ALL的子查询

　　6.MySQL特点

　　　　1.标识符由字母、数字或下划线【_】组成，且第一个字母不能是数字。

　　　　2.MySQL数据类型

　　　　　　》数字类型

　　　　　　　　》整数：tinyint、smallint、mediumint、int、bigint

　　　　　　　　》浮点数：float、double、real、decimal

　　　　　　》日期/时间

　　　　　　　　》date、time、datetime、timestamp、year

　　　　　　》字符串类型

　　　　　　　　》字符串：char、varchar

　　　　　　　　》文本：tinytext、text、mediumtext、longtext

　　　　　　》二进制

　　　　　　　　》tinyblob、blob、mediumblob、longblob

　　　　3.登录

　　　　　　执行命令：mysql-h 主机名-u 用户名-p