 |
|---|
| Adatok kezelése: Relációs adatbázisok - Sketchnote készítette: @nitya |
Valószínűleg már használtál korábban táblázatot információk tárolására. Volt egy sorokból és oszlopokból álló táblázatod, ahol a sorok tartalmazták az információkat (vagy adatokat), az oszlopok pedig leírták az információkat (ezeket néha metaadatoknak is nevezik). A relációs adatbázis ezen alapelvre épül, amely táblázatokban oszlopokat és sorokat használ, lehetővé téve az információk több táblázatban való elosztását. Ez lehetővé teszi, hogy összetettebb adatokkal dolgozz, elkerüld az ismétléseket, és rugalmasan vizsgálhasd az adatokat. Nézzük meg a relációs adatbázis fogalmait.
A relációs adatbázis alapja a táblázatok. Akárcsak a táblázatok esetében, egy táblázat oszlopok és sorok gyűjteménye. A sorok tartalmazzák azokat az adatokat vagy információkat, amelyekkel dolgozni szeretnénk, például egy város nevét vagy a csapadékmennyiséget. Az oszlopok leírják az általuk tárolt adatokat.
Kezdjük azzal, hogy létrehozunk egy táblázatot a városokkal kapcsolatos információk tárolására. Kezdhetjük a nevükkel és az országukkal. Ezt például így tárolhatnánk egy táblázatban:
| Város | Ország |
|---|---|
| Tokió | Japán |
| Atlanta | Egyesült Államok |
| Auckland | Új-Zéland |
Figyeld meg, hogy a város, ország és népesség oszlopok leírják a tárolt adatokat, és minden sor egy városról tartalmaz információt.
Valószínűleg a fenti táblázat ismerősnek tűnik számodra. Kezdjünk el további adatokat hozzáadni a növekvő adatbázisunkhoz - éves csapadékmennyiség (milliméterben). Az évekre koncentrálunk: 2018, 2019 és 2020. Ha Tokióra vonatkozóan adnánk hozzá adatokat, az valahogy így nézne ki:
| Város | Ország | Év | Mennyiség |
|---|---|---|---|
| Tokió | Japán | 2020 | 1690 |
| Tokió | Japán | 2019 | 1874 |
| Tokió | Japán | 2018 | 1445 |
Mit veszel észre a táblázatunkon? Valószínűleg észreveszed, hogy a város nevét és országát újra és újra megismételjük. Ez elég sok tárhelyet foglalhat, és nagyrészt felesleges, hogy több példányban szerepeljen. Végül is Tokiónak csak egy neve van, ami minket érdekel.
Rendben, próbáljunk ki valami mást. Adjunk hozzá új oszlopokat minden évhez:
| Város | Ország | 2018 | 2019 | 2020 |
|---|---|---|---|---|
| Tokió | Japán | 1445 | 1874 | 1690 |
| Atlanta | Egyesült Államok | 1779 | 1111 | 1683 |
| Auckland | Új-Zéland | 1386 | 942 | 1176 |
Bár ez elkerüli a sorok ismétlését, néhány más kihívást is felvet. Módosítanunk kellene a táblázat szerkezetét minden alkalommal, amikor új év kerül hozzáadásra. Ezenkívül, ahogy az adataink növekednek, az évek oszlopként való tárolása megnehezíti az értékek lekérését és kiszámítását.
Ezért van szükségünk több táblázatra és kapcsolatokra. Az adatok szétválasztásával elkerülhetjük az ismétlést, és nagyobb rugalmasságot érhetünk el az adatok kezelésében.
Térjünk vissza az adatainkhoz, és határozzuk meg, hogyan szeretnénk szétosztani őket. Tudjuk, hogy a városok nevét és országát szeretnénk tárolni, így ez valószínűleg egy táblázatban működik a legjobban.
| Város | Ország |
|---|---|
| Tokió | Japán |
| Atlanta | Egyesült Államok |
| Auckland | Új-Zéland |
De mielőtt létrehoznánk a következő táblázatot, ki kell találnunk, hogyan hivatkozzunk minden egyes városra. Szükségünk van valamilyen azonosítóra, ID-re vagy (technikai adatbázis kifejezéssel élve) elsődleges kulcsra. Az elsődleges kulcs egy érték, amely egy adott sort azonosít a táblázatban. Bár ez alapulhat egy értéken (például használhatnánk a város nevét), szinte mindig egy szám vagy más azonosító kell, hogy legyen. Nem szeretnénk, hogy az azonosító valaha is megváltozzon, mivel ez megszakítaná a kapcsolatot. A legtöbb esetben az elsődleges kulcs vagy azonosító automatikusan generált szám lesz.
✅ Az elsődleges kulcsot gyakran PK-ként rövidítik.
| város_id | Város | Ország |
|---|---|---|
| 1 | Tokió | Japán |
| 2 | Atlanta | Egyesült Államok |
| 3 | Auckland | Új-Zéland |
✅ Észre fogod venni, hogy az "id" és az "elsődleges kulcs" kifejezéseket felváltva használjuk ebben a leckében. Ezek a fogalmak vonatkoznak a DataFrame-ekre is, amelyeket később fogsz felfedezni. A DataFrame-ek nem használják az "elsődleges kulcs" terminológiát, azonban észre fogod venni, hogy nagyon hasonlóan viselkednek.
Miután létrehoztuk a városok táblázatát, tároljuk a csapadékmennyiséget. Ahelyett, hogy megismételnénk a város teljes információját, használhatjuk az azonosítót. Biztosítanunk kell azt is, hogy az újonnan létrehozott táblázatnak legyen egy id oszlopa, mivel minden táblázatnak kell, hogy legyen egy azonosítója vagy elsődleges kulcsa.
| csapadék_id | város_id | Év | Mennyiség |
|---|---|---|---|
| 1 | 1 | 2018 | 1445 |
| 2 | 1 | 2019 | 1874 |
| 3 | 1 | 2020 | 1690 |
| 4 | 2 | 2018 | 1779 |
| 5 | 2 | 2019 | 1111 |
| 6 | 2 | 2020 | 1683 |
| 7 | 3 | 2018 | 1386 |
| 8 | 3 | 2019 | 942 |
| 9 | 3 | 2020 | 1176 |
Figyeld meg a város_id oszlopot az újonnan létrehozott csapadék táblázatban. Ez az oszlop olyan értékeket tartalmaz, amelyek a városok táblázat azonosítóihoz kapcsolódnak. Technikai relációs adatbázis kifejezéssel élve ezt idegen kulcsnak nevezzük; ez egy másik táblázat elsődleges kulcsa. Egyszerűen gondolj rá úgy, mint egy hivatkozásra vagy mutatóra. Az város_id 1 Tokióra utal.
Note
Az idegen kulcsot gyakran FK-ként rövidítik.
Miután az adatainkat két táblázatra osztottuk, felmerülhet a kérdés, hogyan kérhetjük le őket. Ha relációs adatbázist használunk, például MySQL-t, SQL Server-t vagy Oracle-t, akkor egy Structured Query Language (SQL) nevű nyelvet használhatunk. Az SQL (néha "szíkvöl"-nek ejtik) egy szabványos nyelv, amelyet az adatok lekérésére és módosítására használnak egy relációs adatbázisban.
Az adatok lekéréséhez a SELECT parancsot használjuk. Alapvetően kiválasztod azokat az oszlopokat, amelyeket látni szeretnél, abból a táblázatból, amelyben találhatók. Ha csak a városok neveit szeretnéd megjeleníteni, akkor a következőt használhatod:
SELECT city
FROM cities;
-- Output:
-- Tokyo
-- Atlanta
-- AucklandA SELECT az, ahol felsorolod az oszlopokat, a FROM pedig az, ahol felsorolod a táblázatokat.
Note
Az SQL szintaxis nem érzékeny a kis- és nagybetűkre, tehát a select és a SELECT ugyanazt jelenti. Azonban az adatbázis típusától függően az oszlopok és táblázatok neve érzékeny lehet a kis- és nagybetűkre. Ezért jó gyakorlat, ha mindig úgy kezeljük a programozásban mindent, mintha érzékeny lenne a kis- és nagybetűkre. Az SQL lekérdezések írásakor általános szokás, hogy a kulcsszavakat nagybetűvel írjuk.
A fenti lekérdezés megjeleníti az összes várost. Képzeljük el, hogy csak az Új-Zélandon található városokat szeretnénk megjeleníteni. Szükségünk van valamilyen szűrőre. Az SQL kulcsszava erre a WHERE, vagyis "ahol valami igaz".
SELECT city
FROM cities
WHERE country = 'New Zealand';
-- Output:
-- AucklandEddig csak egyetlen táblázatból kértünk le adatokat. Most szeretnénk összehozni az adatokat a városok és csapadék táblázatokból. Ezt úgy tehetjük meg, hogy összekapcsoljuk őket. Lényegében létrehozunk egy kapcsolatot a két táblázat között, és összepárosítjuk az egyes táblázatok egy-egy oszlopának értékeit.
Példánkban a város_id oszlopot fogjuk összekapcsolni a csapadék táblázat város_id oszlopával. Ez összekapcsolja a csapadékmennyiséget a megfelelő várossal. Az általunk végrehajtott kapcsolat típusa úgynevezett belső kapcsolat lesz, ami azt jelenti, hogy ha bármelyik sor nem egyezik meg a másik táblázat valamelyik sorával, akkor nem jelenik meg. A mi esetünkben minden városnak van csapadékmennyisége, így minden megjelenik.
Kérjük le a 2019-es év csapadékmennyiségét minden városra vonatkozóan.
Ezt lépésenként fogjuk megtenni. Az első lépés az adatok összekapcsolása azáltal, hogy megadjuk az oszlopokat a kapcsolat létrehozásához - város_id, ahogy korábban kiemeltük.
SELECT cities.city
rainfall.amount
FROM cities
INNER JOIN rainfall ON cities.city_id = rainfall.city_idKiemeltük a két oszlopot, amelyeket szeretnénk, és azt, hogy a táblázatokat a város_id alapján szeretnénk összekapcsolni. Most hozzáadhatjuk a WHERE utasítást, hogy csak a 2019-es évet szűrjük ki.
SELECT cities.city
rainfall.amount
FROM cities
INNER JOIN rainfall ON cities.city_id = rainfall.city_id
WHERE rainfall.year = 2019
-- Output
-- city | amount
-- -------- | ------
-- Tokyo | 1874
-- Atlanta | 1111
-- Auckland | 942A relációs adatbázisok középpontjában az információk több táblázatra való felosztása áll, amelyeket aztán megjelenítésre és elemzésre újra össze lehet kapcsolni. Ez nagy fokú rugalmasságot biztosít a számítások elvégzéséhez és az adatok egyéb módon történő manipulálásához. Láttad a relációs adatbázis alapfogalmait, és azt, hogyan lehet kapcsolatot létrehozni két táblázat között.
Számos relációs adatbázis érhető el az interneten. Fedezd fel az adatokat az itt tanult készségek segítségével.
Számos erőforrás érhető el a Microsoft Learn oldalon, hogy folytathasd az SQL és a relációs adatbázis fogalmainak felfedezését.
- Relációs adatok fogalmainak ismertetése
- Kezdd el az ismerkedést a Transact-SQL-lel (A Transact-SQL az SQL egy változata)
- SQL tartalom a Microsoft Learn oldalon
Felelősség kizárása:
Ez a dokumentum az Co-op Translator AI fordítási szolgáltatás segítségével lett lefordítva. Bár törekszünk a pontosságra, kérjük, vegye figyelembe, hogy az automatikus fordítások hibákat vagy pontatlanságokat tartalmazhatnak. Az eredeti dokumentum az eredeti nyelvén tekintendő hiteles forrásnak. Fontos információk esetén javasolt professzionális emberi fordítást igénybe venni. Nem vállalunk felelősséget semmilyen félreértésért vagy téves értelmezésért, amely a fordítás használatából eredhet.