2.1 數據介紹

有某公司的銷售數據表 sales.csv 如下:

第一行是標題，解釋每一列存了什么東西。第二行開始每一行是一條數據，對應一個訂單。

這種數據有個專業的術語，叫結構化數據。這是現代數據處理中最常見的數據類型。

整個表格的數據統稱為一個數據表，其中的每一行（除了標題）稱為一條記錄，列稱為字段，標題中的字符串稱為字段名。上面這個表中能看見的部分有 12 條記錄，對應著這個 Excel 的第 2 到第 13 行；有 8 個字段，字段名分別是 orderDate, sales, customer, product, quantity, price, discount, paymentDate。字段名互不相同，可以唯一地標識某個列。這些字段（包括名稱和次序），稱為數據表的數據結構，簡稱結構。

結構化數據也就是有數據結構的數據。

表格中 A2:H13 部分就是數據表里的數據了。我們會說某條記錄的某個字段的取值是什么。比如這里第 2 條記錄的 sales 字段取值為 Hef，第 8 條記錄的 quantity 字段取值為 8。數據表中每條記錄的每個字段都會有一個取值。

注意，數據表中只有字段有名稱，記錄沒有名稱。我們后面會講用什么辦法來標識和區分記錄。

可以有各種各樣的數據表，不同數據表的數據結構當然可以不同。一個數據表一定要有一套數據結構，而且也只能有一套。有時我們也會說到記錄的結構，意思就是指記錄所在的數據表的結構。

因為結構化數據經常會以這種行列式表格的形式呈現，我們也會直觀地把記錄和字段稱為行和列，這是數據庫界的通行術語，并不是我們發明的通俗說法。甚至，有時候數據表呈現出來時已經沒有明顯的行和列了（馬上要講到這樣的例子），但人們仍然會用行和列這些術語來表示記錄和字段。

本文檔用到的 sales.csv 文件中列名的含義如下：

2.2 選出去年的所有銷售記錄

第一步：讀取 sales.csv 文件中的數據

A1 函數file("sales.csv")表示從主目錄中找到 sales.csv 這個文件，并產生文件對象，這里參數是個字符串，要加雙引號。import@tc()表示讀入文件對象 file(“sales.csv”) 中的數據，這里@t是函數 import 的選項，表示文件的第一行是標題行，如果沒有這個選項，會把第一行當成數據讀入。@c表示文件中數據的列間分隔符是英文逗號，如果沒有這個選項，會默認當成 tab 分隔符。當兩個選項 @t 和 @c 同時寫時，可以省略一個 @, 寫成@tc。

在界面中可以看到 A1 的值：

從圖中可以看出 A1 的值是一個二維表。前面介紹過，sales.csv 文件中存儲的是結構化數據，SPL 中用于裝載結構化數據的對象稱為序表，從名稱上可以理解為有次序的二維表。上圖中 A1 的值就是一個序表，從圖上看，序表比原始的結構化數據多了一個 Index，這就是序表的記錄次序，也稱為記錄序號，可以通過序號來訪問序表中的某一條記錄，比如 =A1(3)，將返回 A1 中的第三條記錄：

第二步：從 A1 中選出 2024 年下單的數據：

A2 select 函數表示過濾，這里的過濾條件year(orderDate)==2024表示選出 orderDate 的年份等于 2024 的數據。在 SPL 中相等比較用==，而=表示賦值。year函數表示獲得日期參數的年份。

界面上可以再看一下 A2 的值：

從界面上看，A2 是 2024 年的銷售記錄，表面上看和 A1 的序表似乎長得差不多，但它不是序表，它只是從 A1 序表中取出的部分記錄組成的一個有序集合，在 SPL 中有個專門的名稱叫排列。

2.3 計算去年的總銷售額、單筆最大訂單額、訂單個數

第一步：讀取 sales.csv 文件中的數據

A1 由于本例中只用到了orderDate,quantity,price,discount這幾個字段，所以可以在 import 函數參數中指定這幾個字段，這樣讀數時只讀這幾個字段，可以提高讀數效率，減少內存占用。

第二步：過濾出 2024 年的數據，并算出訂單金額，以計算列的形式添加到原排列中

A2 derive 函數表示添加計算列，其中quantity*price*discount是計算表達式，amount是新產生的計算列的列名，表達式和列名之間用冒號分隔。特別強調的是表達式在前面，列名在后面。

第三步：聚合運算

A3 對 A2 中的 amount 字段求和。

A4 對 A2 中的 amount 字段求最大值。

A5 對 A2 計數，算出 A2 的記錄數。

2.4 選出金額最大的三個訂單

A3 sort 函數是排序，缺省是從小到大排，想從大到小排，相當于其相反數從小到大排，所以這里加了個負號，寫成-amount。

A4 A3.to(3)表示選出 A3 中的前三條記錄。熟練之后可以把 A3 和 A4 寫到一起：A2.sort(-amount).to(3)。

A4 的結果為：

可以看出，這種算法雖然簡單，但是沒有解決排名并列的問題，對于可能存在并列的數據，SPL 還有個 top 函數可以處理：

A3 A2.top@r(3;-amount)表示將A2排序后取前 3 條記錄。缺省排序規則和sort函數一致，但是top函數有個@r選項可以解決并列的情況。特別需要強調的是，3和-amount之間是分號分隔，這時候返回的是排名前三的記錄。如果寫成逗號分隔，則返回排名前三的amount字段值。和 Excel 及其它程序語言不同，SPL 的參數分隔符不只是逗號，還可能有分號和冒號（在前面 derive 函數中就出現過冒號，用來分隔計算式和字段名）。

A3 的結果為：

top 函數解決了排名并列的問題。

2.5 第一筆付款的訂單、最后一筆付款的訂單

A3 A2.minp(ParmentDate)表示從排列 A2 中選出paymentDate的值最小的記錄，這里用于選出第一筆付款的訂單，它有點相當于 top(1,…)。由于本例中日期數據只精確到日，同一天可能存在多單付款，如果要把同一天付款的所有訂單都選出，可以給 minp 函數加上@a選項，如：A2.minp@a(paymentDate)。

A4 選出最后一筆付款的訂單，maxp 函數規則和 minp 一致，這里不再贅述。

2.6 統計 2025 年 5 月 1 日以后下單的客戶數和付款的客戶數（去重）

A3 A2.icount(customer)表示對A2逐行獲得customer的值，并對結果進行去重計數。

A4 A2.select(paymentDate)表示選出paymentDate不為空的記錄，即已付款記錄