在這篇筆記中，我不僅記錄了自己如何完成按某個欄位的取值範圍進行統計的需求，既有早期的硬編碼風格，也有升級版的語句。我還分享了自己如何看待初學編程時的笨拙代碼，如何應對一個難題接著一個難題的編程自學過程。希望我的筆記，帶給你啟發和力量。 ...
上周我突然意識到，我在grafana上寫的 sql 語句存在多處硬編碼。這篇筆記將記錄如何實現沒有硬編碼的sql語句，以及自學編程過程中如何應對自己的笨拙代碼和難題不斷的狀況。
1、有效但粗笨的硬編碼
所謂硬編碼，大意是指代碼中出現很多具體的取值，每個取值都是手動賦值的。比如：
-- 達成某個成就的用戶數
select
count(user_id) as 用戶數
from
achivement_table
where
achivement_name= '牛刀小試'以我家產品 xue.cn 的成就系統為例，我們首個版本僅有10個成就，我要拷貝粘貼修改成就名稱達10次。最近成就升級到V2版本，有17個成就，未來還會有更多成就。再比如習題和章節，每本書的章節數和習題數，都是幾十個起。至於統計每本書的閱讀用戶數，每個章節的留言數，每個成就的達成用戶數……這類實現太頻繁了。
如果全部採用硬編碼，我意識到這將低效粗笨。
在初學編程時，你我總會寫出一些低效但生效的代碼。隨著編程水平提升或需求變得複雜，我們將有機會迭代自己的代碼。迭代是好事，但這不意味著之前的低效但有效的代碼是壞事。——接納自己早期的笨拙，並追求持續的進步。咱們不需要為自己初學階段的代碼感到不好意思或羞愧，而是要視之為提升的機會。這個心態令我在自學編程的路上幾乎無所畏懼。
2、知道，但用時忘
如何實現代碼自動獲取每個取值，並按該值分別統計呢？我搜索到一些代碼，卻看不懂：
不得已，我準備好問題描述，併發紅包在編程學習群里請教。群友給出的答案讓我哭笑不得：
特麽這方法我不是會嗎！？鬼打牆啦。
這種現象在初學技能時，是不是挺常見的！？知道，但不熟練。知道知識點，但實戰時可能想不起來。或者知道某一種實戰情境，換到其它實戰情境就忘了……嗯，本質上還是重覆的不夠，熟練度不行啊。
既然是我已知的知識點，立即實操吧。
情境A：欄位取值範圍在同一表格
想要統計的原數據，和該欄位的所有取值範圍，在同一張數據表時，代碼簡單如下。
-- 所有成就的完成用戶數
select
achivement_name as 成就名稱,
count(user_id) as 用戶數
from
achivement_table
group by
成就名稱
order by
成就名稱情境B：欄位取值範圍在另一表格
想要統計的原數據，和該欄位的所有取值範圍，不在同一張數據表時，代碼僅稍微複雜一點點。
-- 所有成就的完成用戶數
select
achivements.name as 成就名稱,
count(achivement_event.user_id) as 用戶數
from
achivement_event,achivements
where
achivement_event.name = achivements.name
group by
成就名稱
order by
成就名稱3、解決一個難題，新的困惑到來
硬編碼的問題現在倒是解決了，但實現數據可視化時，又有新的情況產生。
之前的硬編碼風格，在 grafana 上通過 add query 完成，該操作是新增數據列，使得數據結果是一行多列，每個成就名就是一列。
這種數據，用 grafana 的 bar gauge 圖表類型展示效果很不錯。
之後沒有硬編碼的sql語句，得到的數據結果是多行2列，首列是成就名，次列是用戶數。相當於之前數據結果的倒置。
行列倒置在 python pandas中，就是對dataframe數據一個T操作而已。但在 grafana 上如何靈活地操作行列，我還有不少困惑要解決。——這並非我的不足，這是我將要提升的機會，對不？
小結
在這篇筆記中，我不僅記錄了自己如何完成按某個欄位的取值範圍進行統計的需求，既有早期的硬編碼風格，也有升級版的語句。我還分享了自己如何看待初學編程時的笨拙代碼，如何應對一個難題接著一個難題的編程自學過程。希望我的筆記，帶給你啟發和力量。
