Zeilen filtern

Bestimmte Zeilen auswählen

Bei der Analyse von Daten benötigen wir eine Möglichkeit, nur bestimmte Zeilen im Ergebnis zu behalten. Beispielsweise könnte unsere Frage sich nur auf einen bestimmten Zeitraum unserer Daten beziehen. Möglicherweise interessieren uns nur die Tweets eines bestimmten Nutzers oder die einer Nutzergruppe. Oder wir wollen in einer Umfrage nur Teilnehmerinnen betrachten. In jedem dieser Fälle benötigen wir eine Möglichkeit, auf einer Spalte eine Filterung vorzunehmen. In SQL steht uns dafür der WHERE-Befehl zur Verfügung.

Visuelle Darstellung des WHERE-Befehls.

Mit dem WHERE-Befehl leiten eine oder mehrere Bedingungen ein, die für jede unserer Zeilen im Ergebnis gelten sollen. Bei der Definition von Filterbedingungen spielt der Datentyp die betrachtete Spalte eine wichtige Rolle. Je nach Typ können wir unterschiedliche Bedingungen formulieren. Im Folgenden betrachten wir die wichtigsten Datentypen und lernen Beispiele für Filterbedingungen kennen.

Filtern von Strings (oder Zeichenketten)

Der =-Operator

Im vorherigen Schritt haben wir gelernt, wie wir die Menge der Spalten im Ergebnis einschränken können. Häufig müssen wir für die Beantwortung einer Frage nur bestimmte die Zeilen heranziehen. Auch das geht mit SQL, und zwar mit der where-Klausel. Die folgende SQL-Abfrage gibt nur Zeilen zurück, in denen die Spalte main_speaker dem Wert "Al Gore" entspricht:

select * from ted_meta
where main_speaker = 'Al Gore'

Im Beispiel oben verwenden wir die where-Klausel, um ein Feld vom Datentyp string zu filtern. Genauer gesagt wird für alle Datensätze der Wert in der Spalte main_speaker mit dem Wert "Al Gore" verglichen. Es werden nur die Datensätze im Ergebnis behalten, bei denen der Vergleich wahr (true) zurückliefert.

Bei Vergleichen zweier Zeichenketten (oder Strings) müssen wir immer Anführungszeichen (einfache oder doppelte, aber konsistent) verwenden. Weil Strings auch Leerzeichen oder andere Sonderzeichen enthalten können, wäre sonst nicht klar, wo das Ende der Zeichenkette ist.

Der LIKE-Operator

Neben dem = Operator für Zeichenkettenvergleiche gibt es mit dem LIKE Operator eine weitere Möglichkeit, um Vergleiche von Zeichenketten durchzuführen. Der LIKE Operator erlaubt es uns, Strings mit Teilstrings oder Mustern zu vergleichen. Die folgende SQL-Abfrage liefert alle TED-Talks zurück, bei denen im Titel das Wort "food" vorkommt:

select * from ted_meta
where title like '%food%'

Bitte beachtet, dass SQL case sensitive ist. Was heißt das? Es ist ein Unterschied, ob wir nach dem Wort "food" oder "Food" im Titel suchen. Groß- und Kleinschreibung wird unterschieden. Die obige Abfrage würde somit einen Titel wie "Food is important" nicht im Ergebnis enthalten. Um das zu umgehen, wird häufig die zu vergleichende Spalte mit der Funktion lower() in Kleinbuchstaben umgewandelt:

select * from ted_meta
where lower(title) like '%food%'

Das % Zeichen in der obigen Abfrage ist so zu lesen: Es ist egal, was vor oder nach dem Wort "food" kommt. Wichtig ist nur, dass das Wort oder die Zeichenkette irgendwo vorkommt. Wir können das % Zeichen auch so setzen, dass wir z.B. nur Titel mit "food" am Anfang eines Textes im Ergebnis haben:

select * from ted_meta
where lower(title) like 'food%'

Jetzt muss "food" am Anfang der Spalte title stehen, und es ist egal was danach kommt. Genauso können wir auch nach "food" am Ende suchen:

select * from ted_meta
where lower(title) like '%food'

Wir können die % Zeichen auch beliebig setzen, um nach dem Vorkommen unterschiedlicher Wörter in einer bestimmten Reihenfolge zu suchen:

select * from ted_meta
where lower(title) like '%food%smart'

Die obige Abfrage liefert TED-Talks zurück, deren Titel die Wörter "food" und "smart" in genau dieser Reihenfolge beinhaltet. Ihr seht schon, der LIKE Operator kann sehr mächtig sein.

Ein letztes Beispiel: Ihr wollt sicherstellen, dass vor dem Wort "food" nicht noch ein anderes Wort steht, wie z. B. wie in "seafood". Das könnt ihr so lösen:

select * from ted_meta
where lower(title) like '% food%'

Seht ihr den dezenten Unterschied? Es wurde vor "food" ein Leerzeichen gesetzt, also " food". Das Wort "seafood" würde somit nicht von diesem Vergleich gefunden werden. Allerdings wäre so auch ein Titel mit "food" am Anfang außen vor, weil ein Titel nie mit einem Leerzeichen beginnt. Um das zu lösen, müssen wir mehrere WHERE-Bedingungen miteinander verknüpfen:

select * from ted_meta
where lower(title) like '% food'
or lower(title) like 'food%'

Verknüpfung mehrerer Bedingungen (AND / OR)

Wie oben gezeigt können wir mit WHERE die eine Filterbedingung definieren und anschließend weitere mit den logischen Verknüpfungen OR oder AND hinzufügen. So können wir beliebig viele Bedingungen definieren, die allesamt wahr sein müssen, damit eine Zeile im Ergebnis bleibt. Dabei können sich Bedingungen auf jede beliebige Spalte und beliebige Ausdrücke beziehen:

select * from ted_meta
where title like '%food%'
and event = 'TED2010'

Bei der Anwendung der Bedingungen gelten die Regeln der Logik. Das bedeutet, wir können auch Klammern verwenden, um Gruppen von Bedingungen zu bilden und diese miteinander zu verknüpfen.

select * from ted_meta
where 
(title like '%food%' and event = 'TED2010')
or 
(title like '%agriculture%' and event = 'TED2011')

Im Beispiel oben gibt es zwei Gruppen von Bedingungen, die in Klammern stehen. Innerhalb jeder Gruppe werden zwei Bedingungen definiert, die wahr sein müssen, damit die Gruppe, zu der sie gehören, wahr ist. Sollte eine der beiden Bedingungen title like '%food%' oder event = 'TED2010' falsch sein, so wird für die erste Gruppe false zurückgeben. Das gleiche gilt für die zweite Gruppe. Durch die Verknüpfung beider Gruppen mittels or reicht es aus, wenn eine der beiden Gruppen true zurückliefert.

Filtern von Zahlenwerten

Beim Filtern von numerischen Spalten haben wir alle Möglichkeiten, die uns die Arithmetik bereitstellt, um Zahlen miteinander zu vergleichen:

• = : zwei Zahlen müssen exakt gleich sein.

• > und >=: die erste Zahl muss größer oder größer gleich der zweiten Zahl sein.

• < und <=: die erste Zahl muss kleiner oder kleiner gleich der zweiten Zahl sein.

• <>: zwei Zahlen müssen ungleich sein.

Im Beispiel unten nutzen wir den = Operator, um einen TED-Talk mit einer bestimmten id zu finden:

select * from ted_meta 
where id = 1

Die id ist eine ganze Zahl (Datentyp Integer) und wir benötigen bei numerischen Datentypen keine Anführungszeichen, wie das bei Zeichenketten der Fall ist.

Der IN-Operator

Angenommen wir wollen nun nicht nur den Talk mit der id = 1, sondern zusätzlich den mit der id = 100 selektieren. Wir können hier auf die bereits bekannte Verknüpfung von Bedingungen mit logischen Operatoren zurückgreifen:

select * from ted_meta
where id = 1
or id = 100

Hätten wir nun eine Liste mit 5 IDs, könnten wir entsprechend 3 weitere Bedingungen mit OR verknüpfen. Glücklicherweise gibt es eine einfachere und besser lesbare Möglichkeit:

select * from ted_meta
where id IN (1, 100, 101, 102, 200)

Mit dem in Operator können wir den Wert einer Spalte auf die Zugehörigkeit zu einer Menge, die wir mit Kommata getrennt in Klammern definieren, überprüfen. Wenn der Wert sich in der Menge befindet, wird die Bedingung wahr und die Zeile bleibt im Ergebnis.

Größer (gleich) und kleiner (gleich)

Das nächste Beispiel fragt nach allen TED-Talks, die länger als 20 Minuten sind. Das Feld duration enthält die Länge in Sekunden:

select * from ted_meta 
where duration > 60 * 20

Wie ihr an dem Beispiel oben erkennt, können wir auf beiden Seiten der Gleichung nicht nur atomare Werte wie Zahlen oder Spaltennamen verwenden. Wir können auch Ausdrücke für Bedingungen verwenden. Im Beispiel oben ist der rechte Teil 60 * 20 ein Ausdruck, der die beiden Zahlen 60 und 20 miteinander multipliziert und das Ergebnis 1200 mit dem Wert der Spalte duration vergleicht.

Ein weiteres Beispiel zeigt, wie Zahlenvergleiche kombiniert werden können, um in diesem Fall alle TED-Talks mit mindestens 5 Minuten Länge und maximal 10 Minuten Länge zu erfragen:

select * from ted_meta
where duration >= 5 * 60 
and duration <= 10 * 60

Der BETWEEN-Operator

Für Abfragen, in denen wir den Wert einer Spalte auf ein bestimmtes Intervall eingrenzen, gibt es den between-Operator als kürzere Variante. Wir erzielen mit der folgenden Abfrage dasselbe Ergebnis wie oben:

select * from ted_meta
where duration between 5 * 60 and 10 * 60

Der between-Operator schließt immer die angegebenen Grenzen mit in das Ergebnis ein (inklusive).

Der NOT-Operator

Um das Ergebnis des letzten Beispiels umzukehren, also alle TED-Talks zu finden, deren Länge außerhalb der Spanne 5 - 10 Minuten liegen, können wir den not-Operator verwenden. Dieser negiert eine Bedingung:

select * from ted_meta
where duration not between 5 * 60 and 10 * 60

Der not-Operator kann beliebigen bool'schen Ausdrücken (wahr/falsch) vorangestellt werden, um diese in das Gegenteil zu verwandeln.

Filtern Bool'scher Werte

Ein Bool'scher Wert kann nur die Werte wahr oder falsch annehmen (true oder false). Der entsprechende Datentyp einer solchen Spalte heißt boolean. Für Spalten vom Datentyp boolean kommen in den meisten Fällen nur die Operatoren = und <> infrage. Angenommen die Tabelle ted_meta hätte Spalte best_talk vom Typ boolean. Wir könnten dann alle TED-Talks, die für ihr jeweiliges Event zum besten Talk gewählt wurden, mit folgender SQL-Abfrage ermitteln:

select * from ted_meta
where best_talk = true

Filtern von Datums- und Zeitwerten

Der Vergleich von Datums- und Zeitwerten funktioniert grundsätzlich über die arithmetischen Vergleichsoperatoren <, <=, >, >=, = und <>. Häufig brauchen wir aber Vergleiche, die über diese einfachen Operationen hinaus gehen, wie z.B.:

• Alle Talks des Jahres 2010

• Alle Events, die in den Monaten Juni, Juli und August stattfanden

• Alle Talks, die nicht mehr als 3 Jahre zurückliegen

Für solche komplexere Anwendungen verweise ich auf den Artikel Date and Time, in dem spezielle Funktionen für den Umgang mit Datums- und Zeitwerten eingeführt werden.