book

SQL per l'analisi dei dati

by Cathy Tanimura

April 2025

Intermediate to advanced

360 pages

10h 48m

Italian

O'Reilly Media, Inc.

Book available

Read now

Unlock full access

Convenzioni utilizzate in questo libroUtilizzo di esempi di codiceFormazione online O'ReillyCome contattarciRingraziamenti
Che cos'è l'analisi dei dati?Perché SQL?Che cos'è l'SQL?Vantaggi di SQLSQL contro R o PythonSQL come parte del flusso di lavoro dell'analisi dei datiTipi di database e come lavorare con essiDatabase Row-StoreDatabase con memoria a colonneAltri tipi di infrastruttura datiConclusione
Tipi di datiTipi di dati del databaseStrutturato contro non strutturatoDati quantitativi contro dati qualitativiDati di prima, seconda e terza parteDati sparsiStruttura della query SQLProfilazione: DistribuzioniIstogrammi e frequenzeBinningn-MattonelleProfilazione: Qualità dei datiRilevare i duplicatiDeduplicazione con GROUP BY e DISTINCTPreparazione: Pulizia dei datiPulire i dati con le trasformazioni CASEConversioni di tipo e fusioneGestire i nulli: funzioni coalesce, nullif, nvlDati mancantiPrepararsi: Dare forma ai datiPer quale output: BI, visualizzazione, statistica, MLPivoting con le dichiarazioni CASEUnpivoting con le dichiarazioni UNIONFunzioni pivot e unpivotConclusione
Manipolazioni di data, tempo e orarioConversioni di fuso orarioConversioni del formato della data e del timestampData MatematicaMatematica del tempoUnire dati provenienti da fonti diverseIl set di dati sulle vendite al dettaglioAndamento dei datiTendenze sempliciConfronto tra componentiPercentuale del totale dei calcoliIndicizzazione per vedere la variazione percentuale nel tempoFinestre temporali rotantiCalcolo delle Finestre temporaliFinestre temporali rotanti con dati scarsiCalcolo dei valori cumulativiAnalisi della stagionalitàConfronti periodo per periodo: A/a e MdMConfronto periodo per periodo: Stesso mese rispetto all'anno precedenteConfronto con più periodi precedentiConclusione
Coorti: Un utile quadro di analisiIl set di dati sui legislatoriRitenzioneSQL per una curva di ritenzione di baseRegolazione delle serie temporali per aumentare l'accuratezza della conservazioneCoorti derivate dalla serie temporale stessaDefinire la coorte da una tabella separataGestire le coorti sparseDefinizione delle coorti a partire da date diverse dal primo appuntamentoAnalisi di coorte correlateSopravvivenzaComportamento di acquisto ripetuto o ReturnshipCalcoli cumulativiAnalisi trasversale, attraverso una lente di coorteConclusione
Perché l'analisi del testo con SQL?Che cos'è l'analisi del testo?Perché SQL è una buona scelta per l'analisi del testoQuando SQL non è una buona sceltaIl set di dati sugli avvistamenti UFOCaratteristiche del testoParsing del testoTrasformazioni del testoTrovare elementi all'interno di blocchi di testo più grandiAbbinamenti jolly: MI PIACE, MI PIACECorrispondenze esatte: IN, NOT INEspressioni regolariCostruire e rimodellare il testoConcatenazioneRimodellare il testoConclusione
Capacità e limiti di SQL per il rilevamento di anomalieIl set di datiRilevare i valori anomaliOrdinamento per trovare anomalieCalcolo dei percentili e delle deviazioni standard per trovare le anomalieGrafici per trovare anomalie in modo visivoForme di anomalieValori anomaliConteggi o frequenze anomaleAnomalie da assenza di datiGestione delle anomalieIndagineRimozioneSostituzione con valori alternativiRidimensionamentoConclusione
Punti di forza e limiti dell'analisi degli esperimenti con SQLIl set di datiTipi di esperimentiEsperimenti con risultati binari: Il test del chi-quadroEsperimenti con risultati continui: Il test tSfide con gli esperimenti e opzioni per salvare gli esperimenti difettosiAssegnazione della varianteI valori anomaliBoxe a tempoEsperimenti di esposizione ripetutaQuando gli esperimenti controllati non sono possibili: Analisi alternativeAnalisi Pre/PostAnalisi degli esperimenti naturaliAnalisi delle popolazioni intorno a una sogliaConclusione
Quando usare SQL per insiemi di dati complessiVantaggi dell'uso di SQLQuando invece costruire nell'ETLQuando mettere la logica in altri strumentiCodice OrganizzazioneCommentiCapitalizzazione, indentazione, parentesi e altri trucchi di formattazioneMemorizzazione del codiceOrganizzare i calcoliCapire l'ordine di valutazione delle clausole SQLSubqueryTabelle temporaneeEspressioni di tabella comuniset di raggruppamentoGestione delle dimensioni dei set di dati e dei problemi di privacyCampionamento con %, modRiduzione della dimensionalitàPII e privacy dei datiConclusione
Analisi dell'imbutoChurn, Lapse e altre definizioni di partenzaAnalisi del paniereRisorseLibri e blogSet di datiPensieri finali

Content preview from SQL per l'analisi dei dati

Capitolo 8. Creare set di dati complessi per l'analisi

Questo lavoro è stato tradotto utilizzando l'AI. Siamo lieti di ricevere il tuo feedback e i tuoi commenti: translation-feedback@oreilly.com

Nei capitoli da 3 a 7, abbiamo esaminato una serie di modi in cui SQL può essere utilizzato per eseguire analisi sui dati presenti nei database. Oltre a questi casi d'uso specifici, a volte l'obiettivo di una query è quello di assemblare un insieme di dati che sia specifico ma sufficientemente generico da poter essere utilizzato per eseguire una serie di analisi successive. La destinazione potrebbe essere una tabella di database, un file di testo o uno strumento di business intelligence. L'SQL necessario potrebbe essere semplice e richiedere solo alcuni filtri o aggregazioni. Spesso, però, il codice o la logica necessari per ottenere il set di dati desiderato possono diventare molto complessi. Inoltre, è probabile che questo codice venga aggiornato nel corso del tempo, quando gli stakeholder richiedono ulteriori dati o calcoli. L'organizzazione, le prestazioni e la manutenibilità del codice SQL diventano fondamentali, come non lo sono le analisi una tantum.

In questo capitolo, discuterò i principi per organizzare il codice in modo che sia più facile da condividere e aggiornare. Poi parlerò di quando mantenere la logica delle query nell'SQL e di quando considerare il passaggio a tabelle permanenti tramite il codice ETL (extract-transform-load). Poi ti spiegherò quali sono le opzioni per ...