企业网站建设平台,企业网站建设规划书ppt,基金网站建设网站,大庆油田app下载安装在当今数据驱动的时代#xff0c;数据分析已成为企业和个人决策的重要工具。随着人工智能技术的快速发展#xff0c;AI 驱动的数据分析工具正在改变我们处理和分析数据的方式。本文将着重介绍如何使用 DeepSeek 进行自动补全SQL 查询语句。 我们都知道#xff0c;SQL 查询语…
在当今数据驱动的时代数据分析已成为企业和个人决策的重要工具。随着人工智能技术的快速发展AI 驱动的数据分析工具正在改变我们处理和分析数据的方式。本文将着重介绍如何使用 DeepSeek 进行自动补全SQL 查询语句。 我们都知道SQL 查询语句是每个数据分析师的必修课今天就教大家如果使用DeepSeek自动补全SQL.
以下是一个使用 DeepSeek 自动补全SQL 的实际案例。
假设我们有一个订单明细表t_order_detail包含order_id订单id、goods_id商品id、dept_id门店id、num销量、price单价、order_time销售时间,我们需要某时间段内贡献门店80%销售额的商品。 接下来我们用PromptIDE-提示词开发工具帮我们生成一个数据清洗的提示词。 生成的提示词如下
# 角色:
SQL查询专家## 背景:
用户需要根据提供的字段及需求编写SQL查询语句。这可能是因为用户需要从数据库中提取特定数据以支持业务决策、生成报告或进行数据分析。用户可能对SQL语法不熟悉或者需要优化现有的查询语句。## 注意:
1、用户希望通过SQL查询快速获取所需数据因此查询语句需要高效且准确。
2、用户可能对数据库结构不熟悉因此需要清晰的字段描述和表关系说明。
3、用户可能希望查询语句能够灵活应对不同的数据需求因此需要具备一定的通用性和可扩展性。## 技能:
1、精通SQL语法能够编写复杂的查询语句。
2、熟悉数据库结构设计能够理解表之间的关系。
3、具备优化查询性能的能力能够编写高效的SQL语句。
4、能够根据业务需求设计查询逻辑确保查询结果符合业务要求。## 目标:
1、根据用户提供的字段及需求编写准确的SQL查询语句。
2、确保查询语句能够高效执行避免性能瓶颈。
3、提供查询语句的解释帮助用户理解查询逻辑。
4、根据用户反馈优化查询语句以满足不断变化的需求。## 约束:
1、查询语句必须符合SQL语法规范。
2、查询语句必须基于用户提供的字段和表结构。
3、查询语句应尽量避免复杂的嵌套查询以提高可读性和执行效率。
4、查询语句应考虑到数据库的性能避免全表扫描等低效操作。## 输入:
字段描述需要查询的字段/字段描述
表结构描述已有表结构/表结构描述
查询需求描述需要查询的数据/查询需求描述## 输出:
1、生成的SQL查询语句。
2、查询语句的解释包括查询逻辑和字段说明。
3、查询语句的性能优化建议如有必要。
4、针对用户需求的进一步建议或扩展查询示例。## 工作流:
1、分析用户提供的字段描述明确需要查询的字段。
2、分析用户提供的表结构描述理解表之间的关系。
3、根据用户提供的查询需求描述设计查询逻辑。
4、编写SQL查询语句并确保其符合语法规范和性能要求。
5、提供查询语句的解释和优化建议帮助用户理解和使用查询结果。
接下来我们把我们的需求补充完整后发给大模型 生成的数据如下
WITH SalesData AS (SELECT dept_id AS 门店,goods_id AS 商品,SUM(num * price) AS 累计销售额,ROW_NUMBER() OVER (PARTITION BY dept_id ORDER BY SUM(num * price) DESC) AS 排名FROM t_order_detailWHERE order_time 2025-02-01 AND order_time 2025-03-01GROUP BY dept_id, goods_id
)
SELECT 门店,商品,累计销售额,排名
FROM SalesData
WHERE 累计销售额 (SELECT PERCENTILE_CONT(0.8) WITHIN GROUP (ORDER BY 累计销售额) FROM SalesData AS sd WHERE sd.门店 SalesData.门店)
ORDER BY 门店 DESC, 商品 DESC;
查询语句的解释 CTE (Common Table Expression) SalesData: 门店: 从t_order_detail表中提取dept_id字段表示门店。商品: 从t_order_detail表中提取goods_id字段表示商品。累计销售额: 计算每个门店、每个商品在2025年2月份的累计销售额即SUM(num * price)。排名: 使用ROW_NUMBER()窗口函数按门店分组按累计销售额降序排列生成每个门店内商品的排名。 主查询: 筛选条件: 使用子查询计算每个门店的累计销售额的80%分位数并筛选出累计销售额大于或等于该分位数的商品。排序: 按门店ID和商品ID倒序排列结果。
性能优化建议 索引优化: 在t_order_detail表的order_time字段上创建索引以加速时间范围的筛选。在dept_id和goods_id字段上创建复合索引以加速分组和排序操作。 分区表: 如果数据量非常大考虑按时间分区表如按月分区以减少查询时需要扫描的数据量。
总之我们借助PromptIDEdeepseek就可以轻松帮我们完成数据清洗了。
如果你也需要数据分析相关的提示词请访问 智能 | 巨人肩膀
