面向数据科学家的 SQL：100 个查询

原文 ↗ Hacker News 讨论 ↗

这份围绕 100 个示例查询构建的单页 SQL 教程，被赞为对关系数据库清晰且实用的入门材料——不仅适合有志成为数据科学的人，也适合软件工程师。评论者还提到互补的学习资源，指出了非等值连接、SQLite 特定语法和外连接语义等技术细节，并建议交互式环境或更大的数据集会更贴近真实世界的分析工作。讨论串还引出了更大的问题：当下业界里的“数据科学家”究竟意味着什么，以及 ORM 和大语言模型正在如何改变人们学习和编写 SQL 的方式。

教程的整体反响

  • 这份教程被广泛称赞为一份简洁、以示例驱动的 SQL 指南，既适合作为入门，也适合作为复习材料；对许多用途来说，其内容密度足以匹配甚至替代一个学期的课程。
  • 也有人认为，它更像是一份通用的 SQL/SQLite 教程，而不是专门“面向数据科学家”的教程。
  • 学习成果（连接、窗口函数、事务、触发器、JSON、从 Python/ORM 访问数据库）被视为一套很强的入门课程。
  • “检查你是否理解”部分中的图示评价两极分化：有人觉得很棒，也有人觉得令人困惑。

SQL 语义、正确性与可移植性

  • 有一些技术上的挑剔和更正：
    • 临时表通常是按连接作用域存在，并不一定在内存中。
    • 仅以“保留所有左表行，并用右表列或 NULL 填充”来定义左外连接，被认为不完整；当存在多个匹配时，必须提到行会被重复。
    • 全外连接与交叉连接被错误地等同了；它们是不同的。
    • 一些查询依赖 SQLite 特有功能（例如聚合上的 FILTER、引号规则），因此并非所有示例都能直接移植到 MySQL/SQL Server/Oracle。
  • 关于 ClickHouse 的争论：有人批评它缺乏更广泛的 SQL 标准特性；也有人反驳说没有哪个数据库完全符合标准，并强调 ClickHouse 的连接、反连接、UDF 等能力。
  • 时间序列/不等值连接也受到关注；在某些系统中被称为非等值连接或 “ASOF” 连接。

学习资源与练习工具

  • 提到了许多替代教程和练习网站：SQLZoo、Mode 的 SQL 教程、StrataScratch、各种“SQL mystery”/故事式课程，以及其他基于单页或笔记本的语言/技术资源。
  • 教程提供可下载数据库（penguins.db）这一点受到好评；一些人希望有更多练习数据源和交互式查询。
  • 有人分享了一个 macOS 应用，可以让用户在导入的 CSV 上运行 SQL，作为动手学习工具。

LLM 与 SQL

  • 多位评论者表示，使用 ChatGPT/LLM 可以非常成功地：
    • 根据自然语言规格生成复杂查询。
    • 重构或解释非常长、很乱的查询。
    • 处理棘手的 JSON 转换。
  • 也有人持怀疑态度，更偏好“数据库专业人员”级别的 SQL，而不是“数据科学家风格”的查询；还有人轻蔑地建议“直接用 ChatGPT”，不如去学 SQL。

围绕“数据科学家”标签的争论

  • 线程中延伸出一段关于当今“data scientist”含义的讨论：
    • 有人回忆起早期的预期：既要有很强的定量能力，也要有很强的软件工程能力（例如能够实现深度学习模型）。
    • 另一些人认为这个词从一开始就很模糊，与统计学家、分析师、ML 工程师和数据工程师有重叠。
    • 许多人指出，训练营以及把分析师岗位重新包装成“数据科学”使这个头衔被稀释了。
    • 还有几种分类法被提出，用编码、数学和领域专业知识水平来区分数据科学家、ML 工程师、数据工程师和分析师。
    • 有人坚持数据科学家应该非常擅长 SQL；也有人指出，在大型组织中，职责如今已分散到更多专业化角色中。