我怎样才能使这个 SQL 更容易？

Question

date    customer_name   service_name    price_paid
2021-01-01  Andrew      Cable TV        5000
2021-02-02  Brad        cabletv         5000
2021-03-03  Charlie     Cable TV        5000
2021-02-05  Dan         ISP             6000
2021-02-18  Eric        ISP             6000
2021-10-09  Felix       ISP             6000
2021-09-10  Gerald      isp             6000
2022-03-10  Hubert      Cable TV        5000
2022-04-12  Isaac       i.s.p           6000
2022-04-15  Jason       ISp 
2022-05-23  Karen       Cable T.V   
2022-06-23  Leah        ISP             6000
2022-05-17  Marie       Cable TV        5000
2022-06-11  Norman      ISP             6000

所以我得到了这个 SQL output，你可以看到我的 service_name 真的很乱。 我想让它干净，我找到了这个例子

SELECT name, 
    CASE WHEN department == 'Math' THEN 'Math'
    ELSE upper(replace(replace(department, 'Information Technology', 'I.T'), 'it', 'I.T')) 
    END as department
FROM messy_df)

但是当我们使用大数据时，我认为它会更难，因为我们需要一个一个地替换，我们可以让这更容易吗？

这是我的代码

sql_query = """
SELECT 
  strftime('%Y', date) 'year',
  strftime('%m', date) 'month',
  strftime('%d', date) 'date',
  customer_name, 
  replace(replace(replace(replace(replace(service_name, 'cabletv', 'Cable TV'), 'Cable T.V', 'Cable TV'), 'i.s.p', 'ISP'), 'isp', 'ISP'),'ISp', 'ISP') service_name,
  COALESCE(price_paid, (SELECT avg(price_paid) FROM df)) as 'price_paid'
FROM df
"""

sql_run(sql_query)

Answer 1

考虑到数据的 state，您所做的很好。

我会创建一个视图

CREATE VIEW vdf as SELECT *, CASE ... FROM df

对于每个“munged”列，至少包括原始列，因此您可以看到转换。 用户/应用程序通常也希望看到未修改的表单。

此类问题（与许多问题一样）的最佳解决方案是预防。 service_name列需要将其限制为一组统一值的约束，因此只有一种形式，比如说“ISP”。 这通常是通过查找表和应用程序中的下拉框来实现的。 或者，您的 CASE 子句可以作为 INSERT 的一部分应用于输入。