字符数据类型与常见问题

SQL 中的探索性数据分析

Christina Maimone

Data Scientist

PostgreSQL 字符类型

character(n) 或 char(n)

固定长度 n
比较时忽略结尾空格

character varying(n) 或 varchar(n)

可变长度，最大为 n

text 或 varchar

不限长度

文本数据类型

分类数据

Tues, Tuesday, Mon, TH

shirts, shoes, hats, pants

satisfied, very satisfied, unsatisfied

0349-938, 1254-001, 5477-651

red, blue, green, yellow

非结构化文本

I really like this product. I use it every day. It's my favorite color.

We've redesigned your favorite t-shirt to make it even better. You'll love...

Four score and seven years ago our fathers brought forth on this continent, a new nation, conceived in Liberty, and dedicated to the proposition that all men are created equal...

分组与计数

SELECT category,        -- 分类变量

       count(*)         -- 统计每个类别的行数

  FROM product          -- 表

 GROUP BY category;     -- 分类变量

 category | count 
----------+-------
 Banana   |     1
 Apple    |     4
 apple    |     2
  apple   |     1
 banana   |     3
(5 rows)

排序：最常见的值

SELECT category,        -- 分类变量

       count(*)         -- 统计每个类别的行数

  FROM product          -- 表

 GROUP BY category      -- 分类变量

 ORDER BY count DESC;   -- 先显示最常见的值

 category | count 
----------+-------
 Apple    |     4
 banana   |     3
 apple    |     2
 Banana   |     1
  apple   |     1
(5 rows)

排序：类别值

SELECT category,        -- 分类变量

       count(*)         -- 统计每个类别的行数

  FROM product          -- 表

 GROUP BY category      -- 分类变量

 ORDER BY category;     -- 按分类变量排序

 category | count 
----------+-------
  apple   |     1
 Apple    |     4
 Banana   |     1
 apple    |     2
 banana   |     3
(5 rows)

字母序

-- 结果

 category | count 
----------+-------
  apple   |     1
 Apple    |     4
 Banana   |     1
 apple    |     2
 banana   |     3
(5 rows)

-- 字母序：

' ' < 'A' < 'a'

-- 从结果得出

' ' < 'A' < 'B' < 'a' < 'b'

常见问题

区分大小写

`'apple' != 'Apple'`

空格算数

`' apple' != 'apple'`

空字符串不等于 null

`'' != NULL`

标点差异

`'to-do' !=  'to–do'`

开始检查一些文本数据

SQL 中的探索性数据分析