第 1 章 准备工作

2.1 数据介绍

使用 Excel 打开某公司的销售数据表 saledata.csv 如下:

第一行加粗的数据通常为列的描述信息，它不是数据本身，通常我们作为列名来称呼它，不过软件界面中沿用了数据库的术语，列被称为字段（Field），而数据行称为记录（Record）。从第二行开始才是数据本身。

saledata.csv 文件中列名的含义如下：

列名	含义
orderID	订单 ID，取值为自然数列，和数据行号一致
orderDate	订单日期
sales	销售
customer	客户
product	产品
quantity	订单数量
price	订单价格
discount	订单折扣
paymentDate	付款日期
feedBack	客户反馈

2.2 选出 2024 年的所有销售数据

第一步：打开 saledata.csv 文件中的数据

SPL WIN 启动后，在如图所示数据文件列表中，选中红框所示 saledata.csv 文件：

鼠标双击文件，内容面板区会增加一个名为 saledata（本书中红色斜体表示可以直接在表达式中引用的变量或者函数名）的标签页，并在顶部显示了打开表的总行数：

可以看到列 quantity，price 以及 discount 不同于前面各列，分别显示为蓝色和粉色。这是因为这些数据列的内容为数值，SPL WIN 中，使用蓝色显示整数，粉色显示浮点数，用以更直观地展示不同类型的数据。

知识点： SPL WIN 中显示在内容面板区标签页中的数据表称为序表，区别于数据库中的数据表，序表的数据行是有序的，可以通过序号直接访问某一行记录。比如在手写命令区输入 saledata(3)，执行后将返回 saledata 表中的第三行。

第二步：尝试选出 2024 年下单的数据：
单击图示工具栏中过滤（本书中红色正体表示当前文字来源于界面，可为界面中控件名称，或者在界面中输入的文字）图标：

在弹出的过滤窗口中，如图输入year(orderDate)==2024表达式，其中 year 函数表示取出订单日期的年份：

界面默认赋予了 filter 作为缺省表名，这个名字可以修改为有业务意义的表名，但后面的源表 saledata 不可修改，表示当前计算基于源表 saledata 。按 OK 确认计算后，计算结果将产生一个名为 filter 的新表，如果表名跟源表名相同，则计算结果会覆盖掉源表。

不过此时单击 OK 后，结果却提示：

意思为错误的参数类型，原来我们直接打开的表，本该为日期类型的 orderDate 因为格式与程序环境配置不一致，没能正确解析，仍读取为字符类型。

解决方法 1：修改表达式为 year(date(orderDate,”yyyy/MM/dd”))==2024，通过 date 函数指定日期格式后，将 orderDate 转换为日期类型：

知识点：date 函数用于将字符串、整数或长整数转换成日期型数据。其详细用法请参考 https://d.raqsoft.com.cn:6443/esproc/func/date.html

再次单击 OK 后，产生了只包含 2024 年订单的 filter 表：

虽然使用日期转换函数，能实时转换日期类型，但如果每次计算都要加上这个转换，仍然比较麻烦。

解决方法 2：可以在打开文件时，便指定好正确的解析格式，这样打开的文件，数据类型会先转换好，后续计算时不再需要转换表达式。步骤为选中文件后，单击图示浏览按钮：

在打开的文件配置界面中，如图设置好订单日期的数据类型（Type）和解析格式（Format）：

按OK打开后，订单日期就会自动转换为日期类型。但这种方式还是有些许麻烦，毕竟要分析的数据，日期格式大多是相同的，如果每次打开文件前都要设置一下，仍然有点繁琐。

解决方法 3：单击图示选项按钮：

在选项窗口中，根据当前文件中日期的格式，将日期解析格式设为yyyy/MM/dd：

通过选项设置后，所有双击打开的文本数据，只要数据中的日期格式跟选项设置一致，都能解析为日期类型。需要注意的是，SPL WIN 中选项的配置文件，是直接沿用当前环境中 SPL 的配置文件，故有部分选项在 SPL WIN 中没有意义，在本书中不必关注。

2.3 选出 2024 年销售额最大的三个订单

需用计算列算出订单销售额，使用公式quantity*price*discount作为计算列表达式算出销售额amount。

第一步：2.2 节中，filter 已经是过滤后的 2024 年的全部数据，在该表中，单击图示计算列按钮：

界面弹出计算列的编辑窗口，点击图示计算列后的加号后，在增加的表达式行如图设置计算列的表达式以及该计算列的别名：

单击OK后，可以看到表 filter 的最后一列，增加了销售额 amount：

第二步：算出了每笔订单的销售额后，只需按 amount 列降序排列，取前三便可得到最大的三笔订单，将光标落在 amount 列，单击图示排序图标：

打开的排序窗口默认按当前列设置为升序排列，我们需要降序，故去掉升序复选框：

单击OK后，得到了按 amount 降序排列的结果：

第三步：只取销售额的前三名，仍然可以用过滤窗口实现，单击过滤图标，输入过滤表达式#<=3：

单击OK后，得到最大的三笔订单：

知识点：序表的行号从序号 1 开始，在表达式中，使用符号#来引用每条记录的序号。

2.4 计算 2024 年的总销售额、单笔最大订单额、订单个数

2.3 节 filter 表中，已经算好了每一笔订单的销售额 amount，选中内容面板区 filter 表。

解决方法 1：对 filter 进行分组汇总。将光标落在 amount 列，单击图示分组图标：

在弹出的分组窗口中，窗口默认添加了 amount 分组，这能方便大多数分组运算。但此处只求总销售额，以及所有销售额中的最大额，故不需要指定分组表达式，也即将整个 filter 表作为一组数据，如图单击减号，删除当前分组：

删掉分组字段的表达式后，依次按图示顺序单击标签页的聚合页面（1），选中源字段 amount（2），单击加号增加一行聚合表达式（3），调整当前聚合表达式的聚合函数（4），然后重复（3）和（4），编辑出图示销售总额，最大销售额，以及订单计数：

单击OK后，便计算出了所需结果：

数据分组后，大多情形下，人们更加关注每组的某个指标值。计算出指标值后，分组的明细记录便被丢弃了，看起来是将明细记录聚合成了一个值，这也是聚合值名称的由来。SPL WIN 支持所有常见的聚合运算，比如， sum 为求汇总值， count 为计数，max 为最大值，min 为最小值，avg 为平均值，icount 为去掉重复值后的计数。

知识点：SPL WIN 中聚合函数还支持 top 函数，它能根据计算条件，返回更精细控制的一个或者多个值。具体使用方法请参考：https://d.raqsoft.com.cn:6443/esproc/func/top1.html

解决方法 2：当前题意，不使用界面分组，在手写命令区直接执行表达式更加简便，如图步骤，输入计算总额表达式filter.sum(amount)，然后单击执行命令按钮，便能得到销售总额：

类似地，可以算出最大订单金额值：

至于订单个数，其实 filter 表的记录数已经是答案。

2.5 找出 2024 年第一笔付款的订单、最后一笔付款的订单

很自然想到只要按付款日期 paymentDate 排序后，即可找出第一笔付款以及最后付款的订单。但排序法，其实不是最合适的解法，数据量不大时，该方法还能凑合。如果数据量很大，排序过程很浪费时间，这种方法便不可忍受了。

SPL 有直接定位函数，使用 maxp 便能快速找出最后付款订单，大大提高工作效率。
在手写命令区执行表达式filter.maxp(paymentDate)，然后按执行按钮：

可以看到使用 maxp 函数，能更方便算出最后付款的订单。类似地，使用 minp 函数，即可算出最早付款的订单。

使用 maxp 函数找最后付款订单时，缺省情形下，找到一行数据后便返回了。其实该表中还存在同时付款的其他订单。那要找出所有数据行时，需要用到函数选项。在手写命令区执行filter.maxp@a(paymentDate)，这才找出了所有的最后付款订单：

知识点：SPL 函数的选项写法，实现了一个函数多种用途。使用函数选项时，需在函数名后跟上 @ 连接符。上例中maxp@a表示返回所有相同条件的数据行。 maxp 函数的详细用法请参考：https://d.raqsoft.com.cn:6443/esproc/func/amaxpx.html#A_maxp

使用 maxp 函数，可以找出符合最大条件的数据行，但生活中还有很多常见的场景，不止找最大的，还想要第二大的，比如学生成绩排名，往往需要颁奖前三名。此时 maxp 就没法实现了。这时需要用到 2.4 节介绍过的 top 函数， top 函数中，可以返回任意排名的数据行。

2.6 统计 2025 年 5 月 1 日以后下单的客户数和付款的客户数（去重）

解决方法 1：仍然可以使用界面可视步骤，先过滤出指定时间以后的行，再按客户分组统计结果。

第一步：选中 saledata 表，再用过滤表达式orderDate>date("2025/05/01")选出 2025 年 5 月 1 日以后的数据行：

单击OK后，得到过滤后数据表 filter：

第二步：按照 customer 分组，分组字段即为 customer ，本题不关心组内数据汇总，就不需要设置聚合表达式了，但每组要保留一行数据，选中返回每组的首行：

按OK后，便可得到所有的客户数目 897：

第三步：为了计算付款的客户数，则仍需在 filter 上，继续选出付款过（paymentDate!=null）的数据行：

过滤后，同样分组，计算出付款过的客户数为 405：

解决方法 2：使用分组的方式去重分组名称再统计，对分组计算来说，有点大材小用了。类似于 2.4 节使用 maxp 函数，去重也有直接使用的函数 id 。在手写命令区输入：filter.id(customer).count()。执行后得到客户数：

知识点：id 函数用于从序表中获取去掉重复后的值，更多参数以及选项详情，请参考：https://d.raqsoft.com.cn:6443/esproc/func/aid.html