Snowflake 對於資料工程師和分析師來說，資料篩選是不可或缺的技能。LIMIT、TOP 和 WHERE 子句是 Snowflake 中常用的資料篩選工具，但它們的潛力遠不止於此。本文將探討這些子句的用法、技巧以及一些在實際專案中會遇到的問題和解決方案，幫助你更有效率地操作 Snowflake 資料函式庫。
在 Snowflake 中，我們經常需要從大量的資料中提取特定資訊。這時，LIMIT 子句就能派上用場。它可以限制查詢傳回的行數，讓你快速預覽資料或進行抽樣分析。搭配 ORDER BY 子句，可以精確控制要傳回哪些資料列。例如，要取得銷售額最高的 10 筆訂單，可以使用 ORDER BY 根據銷售額降序排列，再用 LIMIT 限制傳回 10 行。TOP 子句功能類別似 LIMIT，語法更簡潔，但缺乏 OFFSET 的功能，無法跳過特定行數。WHERE 子句則是根據條件篩選資料，例如篩選特定日期範圍內的訂單，或是特定產品類別的銷售資料。它支援多種運算元，例如 AND、OR、NOT、IN、BETWEEN、LIKE 等，可以組合複雜的篩選條件。此外，WHERE 子句還可以搭配子查詢，實作更進階的篩選邏輯。例如，可以先用子查詢找出符合特定條件的客戶 ID，再用 WHERE 子句篩選出這些客戶的訂單資料。
Snowflake 中資料篩選的藝術：LIMIT、TOP 與 WHERE 的深度應用
在 Snowflake 的世界裡，資料篩選是資料分析師和工程師的日常。LIMIT、TOP 和 WHERE 子句是我們最常用的工具。但你真的瞭解它們的全部潛力嗎？讓玄貓（BlackCat）帶你深入探索這些語法的奧妙，並分享一些在實際專案中我所學到的經驗。
LIMIT 的精準控制：資料取樣的藝術
LIMIT 子句允許你限制查詢傳回的行數。這在處理大型資料集時非常有用，可以快速檢視資料的樣本。
-- 取得供應商帳戶餘額最低的 10 家
SELECT s_name, s_acctbal
FROM supplier
ORDER BY s_acctbal ASC
LIMIT 10;
這段程式碼會回傳 supplier 表格中 s_name（供應商名稱）和 s_acctbal（帳戶餘額）兩欄，並依照 s_acctbal 遞增排序，只顯示前 10 筆資料。
內容解密：
- SELECT s_name, s_acctbal: 指定要選取的欄位，分別是供應商名稱和帳戶餘額。
- FROM supplier: 指定要從哪個資料表選取資料，這裡是指
supplier資料表。 - ORDER BY s_acctbal ASC: 依照帳戶餘額 (
s_acctbal) 欄位遞增排序 (ASC)。 - LIMIT 10: 限制查詢結果只顯示前 10 筆資料。
有時候，我們可能想要取得排序後的最後幾筆資料。雖然 Snowflake 目前不直接支援 LIMIT -10 這種語法，但我們可以透過反向排序來達成：
-- 取得供應商帳戶餘額最高的 10 家
SELECT s_name, s_acctbal
FROM supplier
ORDER BY s_acctbal DESC
LIMIT 10;
玄貓提醒： 在處理大量資料時，LIMIT 可以幫助你快速檢視資料，驗證查詢邏輯，避免不必要的資源消耗。
TOP 的簡潔語法：快速取得頂端資料
TOP 關鍵字是另一種限制結果集大小的方式。它通常與 ORDER BY 結合使用，以取得排序後的頂端 N 行。
-- 取得帳戶餘額最高的 10 家供應商
SELECT TOP 10 s_name, s_acctbal
FROM supplier
ORDER BY s_acctbal DESC;
這段程式碼和使用 LIMIT 的範例效果相同，但語法更簡潔。
玄貓分析： TOP 語法雖然簡潔，但缺乏 LIMIT 的 OFFSET 功能。如果你需要跳過前幾行資料，LIMIT 會是更好的選擇。
WHERE 的精準篩選：資料過濾的核心
WHERE 子句是 SQL 中最核心的資料篩選工具。它允許你根據特定條件過濾資料，只傳回符合條件的行。
條件評估：AND 與 OR 的邏輯
WHERE 子句可以包含一個或多個條件，並使用 AND 和 OR 運算元組合這些條件。
AND運算元： 所有條件都必須為真，結果才會被包含。OR運算元： 只要有一個條件為真，結果就會被包含。
例如：
-- 尋找住在加州與姓 Smith 的人
WHERE last_name = 'SMITH' AND state = 'CA'
-- 尋找姓 Smith 或住在加州的人
WHERE last_name = 'SMITH' OR state = 'CA'
玄貓經驗： AND 和 OR 的使用會極大影響結果集的大小。在撰寫複雜的 WHERE 子句時，務必仔細考慮邏輯關係。
括號的力量：控制條件的優先順序
當 WHERE 子句包含多個條件時，可以使用括號來明確指定條件的優先順序。
-- 尋找姓 Smith 或 Jackson，與住在加州或華盛頓的人
WHERE (last_name = 'SMITH' OR last_name = 'JACKSON')
AND (state = 'CA' OR state = 'WA')
玄貓建議： 為了程式碼的可讀性和避免歧義，建議在複雜的 WHERE 子句中使用括號。
NOT 運算元：排除特定條件
NOT 運算元可以反轉條件的結果。例如，要找到所有不住在加州的人：
WHERE NOT state = 'CA'
或者，要找到不是姓 Smith 與不住在加州的人：
WHERE NOT (last_name = 'SMITH' AND state = 'CA')
玄貓提醒： 使用 NOT 運算元時要小心，確保你的邏輯是正確的。雙重否定可能會導致意想不到的結果。
LIMIT、TOP 和 WHERE 子句是 Snowflake 中資料篩選的根本。掌握它們的用法，你就能夠更有效地查詢和分析資料。玄貓（BlackCat）希望這些經驗分享能幫助你在實際專案中更上一層樓。
玄貓解讀：SQL 篩選資料的藝術與實戰
在資料函式庫的世界裡，篩選資料是一項核心技能。如同廚師挑選食材、畫家選擇顏料，精準的篩選能讓資料分析事半功倍。本文中，玄貓（BlackCat）將帶領大家探討 SQL 中各種資料篩選技巧，並分享一些實戰經驗。
為何我放棄 NOT：SQL 條件的另一種解讀
在 SQL 的 WHERE 語法中，NOT 運算元常常讓人感到困惑。有時候，它就像一把雙面刃，用得好可以簡化邏輯，用不好反而讓程式碼難以理解。
例如，以下語法旨在找出 last_name 不是 ‘SMITH’ 或 ‘JACKSON’，與 state 不是 ‘CA’ 或 ‘WA’ 的所有資料列：
WHERE NOT ((last_name = 'SMITH' OR last_name = 'JACKSON')
AND (state = 'CA' OR state = 'WA'))
初看之下，這段程式碼似乎很直觀，但仔細分析，你會發現它實際上是在排除符合特定條件的資料列。對玄貓（BlackCat）來說，這種寫法並不夠清晰。
玄貓建議： 盡可能避免使用 NOT 運算元，尤其是在複雜的條件判斷中。以下是使用 NOT 的替代方案：
WHERE last_name <> 'SMITH'
AND last_name <> 'JACKSON'
AND state <> 'CA'
AND state <> 'WA'
這個語法更易於理解，因為它直接表達了「last_name 不等於 ‘SMITH’ 與不等於 ‘JACKSON’，state 不等於 ‘CA’ 與不等於 ‘WA’」的邏輯。
SQL 條件的組成要素：表示式與運算元的完美結合
一個有效的 SQL 條件，就像一首動聽的樂曲，需要不同的音符（表示式）和節拍（運算元）巧妙地組合在一起。
表示式 (Expression) 的種類別：
- 資料表欄位 (Column)： 如
customer_id、order_date等。 - 數值 (Number) 或日期 (Date)： 如
123、'2023-10-26'。 - 字串 (String)： 如
'台北市'。 - 內建函式 (Built-in Function)： 如
CONCAT('玄貓', ' BlackCat')。 - 子查詢 (Subquery)： 嵌入在主要查詢中的查詢。
- 表示式清單 (List of Expressions)： 如
('台北', '台中', '高雄')。
運算元 (Operator) 的種類別：
- 比較運算元 (Comparison Operators)： 如
=(等於)、<(小於)、>(大於)、!=或<>(不等於)、LIKE、IN、BETWEEN。 - 算術運算元 (Arithmetic Operators)： 如
+(加)、-(減)、*(乘)、/(除)。
等值條件：精準鎖定目標資料
等值條件 (Equality Conditions) 是 SQL 中最常見的篩選方式之一。它透過 = 運算元，將欄位與特定值進行比較，精準鎖定符合條件的資料列。
範例：
SELECT n_name, r_name
FROM nation
JOIN region ON nation.n_regionkey = region.r_regionkey
WHERE r_name = 'ASIA';
這個語法會找出所有位於亞洲 (ASIA) 地區的國家 (nation)。在 FROM 子句中，nation.n_regionkey = region.r_regionkey 也是一個等值條件，用於連線 nation 和 region 兩個資料表。
不等值條件：排除特定選項
與等值條件相反，不等值條件 (Inequality Conditions) 使用 != 或 <> 運算元，排除符合特定條件的資料列。
範例：
SELECT n_name, r_name
FROM nation
JOIN region ON nation.n_regionkey = region.r_regionkey
WHERE r_name <> 'ASIA';
這個語法會找出所有不位於亞洲 (ASIA) 地區的國家 (nation)。
範圍條件：資料的時間軸與數值區間
範圍條件 (Range Conditions) 常用於篩選數值或日期範圍內的資料。BETWEEN 運算元讓您可以輕鬆指定上下限，選取落在這個區間內的資料列。
範例 (數值範圍)：
SELECT s_suppkey, s_name
FROM supplier
WHERE s_suppkey BETWEEN 1 AND 10;
這個語法會找出 s_suppkey 介於 1 到 10 (包含 1 和 10) 之間的供應商 (supplier)。
範例 (日期範圍)：
SELECT o_orderkey, o_custkey, o_orderdate
FROM orders
WHERE o_orderdate BETWEEN
TO_DATE('1998-01-29', 'YYYY-MM-DD') AND
TO_DATE('1998-01-30', 'YYYY-MM-DD');
這個語法會找出 o_orderdate 介於 1998 年 1 月 29 日到 1998 年 1 月 30 日 (包含這兩天) 之間的訂單 (orders)。
玄貓提醒： BETWEEN 運算元是包含上下限的。
成員條件：多重選項的快速篩選
成員條件 (Membership Conditions) 使用 IN 運算元，快速篩選符合多個特定值的資料列。
範例：
假設 Customer 資料表有一個 c_mktsegment 欄位，包含 ‘AUTOMOBILE’、‘MACHINERY’、‘BUILDING’、‘HOUSEHOLD’ 和 ‘FURNITURE’ 等值。以下語法可以找出 c_mktsegment 為 ‘AUTOMOBILE’、‘MACHINERY’ 或 ‘BUILDING’ 的客戶：
WHERE c_mktsegment IN ('AUTOMOBILE', 'MACHINERY', 'BUILDING')
玄貓小技巧： 使用 IN 運算元比使用多個 OR 條件更簡潔易讀。
SQL 煉金術：用 WHERE 條件精準篩選資料
在資料函式庫的世界裡，資料就像未經提煉的礦石。要從中提取出有價值的資訊，你需要像一位煉金術師，運用各種過濾條件，精準地篩選出目標資料。SQL 的 WHERE 子句就是你的煉金工具，它能讓你根據特定條件，從資料表中提取出你需要的資料。
多重條件的藝術：AND 與 OR 的妙用
有時候，單一條件並不足以精確鎖定目標。這時，你可以使用 AND 和 OR 運算元，組合多個條件，構建更複雜的過濾邏輯。
例如，假設你要找出所有居住在「台北」與年齡大於 30 歲的客戶：
SELECT *
FROM 客戶
WHERE 城市 = '台北'
AND 年齡 > 30;
AND 運算元要求所有條件都必須成立，才會傳回該筆資料。
另一方面，OR 運算元則允許只要其中一個條件成立，就傳回該筆資料。例如，找出所有居住在「台北」或「台中」的客戶：
SELECT *
FROM 客戶
WHERE 城市 = '台北'
OR 城市 = '台中';
範圍過濾：BETWEEN 的簡潔之道
當你需要篩選出落在特定範圍內的資料時，BETWEEN 運算元能讓你的 SQL 語法更簡潔。例如，找出所有年齡介於 25 到 35 歲之間的客戶：
SELECT *
FROM 客戶
WHERE 年齡 BETWEEN 25 AND 35;
BETWEEN 運算元包含指定的範圍邊界值。
集合成員判斷：IN 的高效應用
如果你的過濾條件是一組離散的值，IN 運算元可以讓你避免撰寫多個 OR 條件。例如，找出所有來自「美國」、「加拿大」或「英國」的客戶：
SELECT *
FROM 客戶
WHERE 國家 IN ('美國', '加拿大', '英國');
IN 運算元會檢查欄位的值是否包含在指定的集合中。你也可以使用 NOT IN 來排除集合中的值。
模糊比對：LIKE 的靈活搜尋
有時候，你並不需要完全精確的比對，而是希望根據某種模式來搜尋資料。這時，LIKE 運算元就派上用場了。LIKE 運算元使用萬用字元來定義搜尋模式：
%：比對任意數量的字元（包括零個字元）。_：比對單個字元。
例如，找出所有名字以「陳」開頭的客戶：
SELECT *
FROM 客戶
WHERE 姓名 LIKE '陳%';
或者，找出所有名字第二個字是「明」的客戶：
SELECT *
FROM 客戶
WHERE 姓名 LIKE '_明%';
更進階的，Snowflake 提供了 regexp_like() 函式，讓你使用正規表示式來進行更複雜的模式比對。例如，找出所有名字以「M」或「U」開頭的國家：
SELECT n_name
FROM nation
WHERE regexp_like(n_name, '^[MU].*');
NULL 值的處理：IS NULL 的正確用法
在資料函式庫中，NULL 代表缺失或未知的值。在過濾條件中，你不能使用 = 運算元來判斷一個值是否為 NULL。你必須使用 IS NULL 或 IS NOT NULL 運算元。
例如，假設我們有一個 null_example 表格：
CREATE TABLE null_example (
num_col NUMBER,
char_col VARCHAR(10)
) AS
SELECT *
FROM (
VALUES (1, 'ABC'),
(2, 'JKL'),
(NULL, 'QRS'),
(3, NULL)
);
要找出 num_col 為 NULL 的資料列，你可以這樣寫：
SELECT *
FROM null_example
WHERE num_col IS NULL;
要找出 num_col 不為 NULL 的資料列，你可以這樣寫：
SELECT *
FROM null_example
WHERE num_col IS NOT NULL;
NULL 值在 SQL 中是一個需要特別注意的概念。記住，NULL 不等於任何值，包括它自己。
玄貓的經驗分享
玄貓在過去的專案中，曾經遇到一個案例，需要從一個包含大量客戶資料的資料表中，篩選出特定地區的高價值客戶。一開始，我使用了多個 OR 條件來比對不同的地區，但 SQL 語法變得非常冗長與難以維護。後來，我改用了 IN 運算元，將所有目標地區放入一個集合中，SQL 語法瞬間變得簡潔易讀，效能也得到了提升。
玄貓解讀：資料過濾的藝術 - 從基礎到Snowsight進階應用
在資料函式庫操作中，過濾資料是不可或缺的一環。它就像是廚師手中的篩網，幫助我們從海量資料中提取出真正需要的資訊。本文玄貓將探討如何使用SQL語法和Snowsight工具來有效地過濾資料，特別是針對NULL值的處理，並分享一些實戰技巧。
NULL值的陷阱與解法
在資料函式庫中，NULL代表缺失或未知的資料。這使得NULL值的處理變得微妙。例如，當我們嘗試用等號(=)來比較一個欄位與NULL時，結果永遠是false。
考慮以下null_example表：
| NUM_COL | CHAR_COL |
|---|---|
| 1 | ABC |
| 2 | JKL |
| NULL | QRS |
如果我們執行以下查詢：
SELECT num_col, char_col
FROM null_example
WHERE num_col < 3;
這個查詢會傳回前兩行，但第三行因為num_col是NULL而被排除在外。要包含NULL值的行，我們需要使用IS NULL條件：
SELECT num_col, char_col
FROM null_example
WHERE num_col < 3 OR num_col IS NULL;
這樣，所有num_col小於3或為NULL的行都會被包含在結果中。
NVL()函式：NULL值的救星
為了簡化NULL值的處理，許多資料函式庫（包括Snowflake）提供了內建函式。其中一個是NVL()函式，它可以將NULL值替換為指定的值。
例如，以下查詢使用NVL()函式將num_col中的NULL值替換為0：
SELECT num_col, char_col
FROM null_example
WHERE NVL(num_col, 0) < 3;
這個查詢的結果與之前的查詢相同，但使用了更簡潔的語法。
如果我們也想在結果集中替換NULL值，可以在SELECT子句中使用NVL()函式：
SELECT NVL(num_col, 0) AS num_col, char_col
FROM null_example
WHERE NVL(num_col, 0) < 3;
這樣，結果集中的num_col欄位就不會再有NULL值了。
玄貓經驗：掌握NULL值的關鍵
玄貓建議，當使用不熟悉的資料函式庫時，務必先了解哪些欄位允許NULL值。這能幫助你建立更精確的過濾條件，避免遺漏重要資料。
Snowsight的進階過濾技巧
除了SQL語法，Snowsight還提供了一些額外的過濾工具，讓資料分析更加便捷。
:daterange：時間範圍的魔法棒
當過濾日期欄位時，可以使用內建的:daterange表示式。它允許你使用不同的日期或日期範圍執行相同的查詢。
例如，在WHERE子句中加入:daterange後，Snowsight會在介面左上方新增一個選單，讓你選擇預設的時間範圍，或自訂時間範圍。
自訂過濾器：開發你的專屬工具
Snowsight還允許你建立自訂過濾器，並在多個查詢中使用。要建立新的過濾器，點選介面左上方的選單，選擇"Manage Filters"。
玄貓以Orders表中的o_orderpriority欄位為例，這個欄位有以下值：
| O_ORDERPRIORITY |
|---|
| 4-NOT SPECIFIED |
| 2-HIGH |
| 3-MEDIUM |
| 1-URGENT |
| 5-LOW |
可以透過點選"Write Query"並貼上用於產生這些值的查詢，將這些值新增到過濾器中。
儲存過濾器後，就可以在查詢中使用它來選擇特定的訂單優先順序。
玄貓提醒：善用Snowsight的查詢歷史
如果你想檢視實際執行的查詢，可以在Snowsight主選單中找到"Activity>Query History"，這裡會顯示所有已執行的查詢，包括套用的過濾器值。
測驗你的知識
以下練習旨在測試你對過濾條件的理解。
練習 2-1
從Customer表中檢索c_name和c_acctbal（帳戶餘額）欄位，但僅限於c_mktsegment為’MACHINERY’與帳戶餘額大於9998的行。
