Data-Science-For-Beginners/translations/es/2-Working-With-Data/05-relational-databases

Trabajando con Datos: Bases de Datos Relacionales

Trabajando con Datos: Bases de Datos Relacionales - Sketchnote por @nitya

Es probable que hayas usado una hoja de cálculo en el pasado para almacenar información. Tenías un conjunto de filas y columnas, donde las filas contenían la información (o datos) y las columnas describían la información (a veces llamada metadatos). Una base de datos relacional se basa en este principio central de columnas y filas en tablas, permitiéndote tener información distribuida en múltiples tablas. Esto te permite trabajar con datos más complejos, evitar duplicación y tener flexibilidad en la forma en que exploras los datos. Vamos a explorar los conceptos de una base de datos relacional.

Cuestionario previo a la clase

Todo comienza con tablas

Una base de datos relacional tiene como núcleo las tablas. Al igual que con la hoja de cálculo, una tabla es una colección de columnas y filas. La fila contiene los datos o información con la que deseamos trabajar, como el nombre de una ciudad o la cantidad de lluvia. Las columnas describen los datos que almacenan.

Comencemos nuestra exploración creando una tabla para almacenar información sobre ciudades. Podríamos empezar con su nombre y país. Podrías almacenar esto en una tabla como la siguiente:

Ciudad	País
Tokio	Japón
Atlanta	Estados Unidos
Auckland	Nueva Zelanda

Nota que los nombres de las columnas ciudad, país y población describen los datos que se están almacenando, y cada fila tiene información sobre una ciudad.

Las limitaciones de un enfoque de tabla única

Es probable que la tabla anterior te parezca relativamente familiar. Comencemos a agregar algunos datos adicionales a nuestra incipiente base de datos: la lluvia anual (en milímetros). Nos enfocaremos en los años 2018, 2019 y 2020. Si lo agregáramos para Tokio, podría verse algo así:

Ciudad	País	Año	Cantidad
Tokio	Japón	2020	1690
Tokio	Japón	2019	1874
Tokio	Japón	2018	1445

¿Qué notas sobre nuestra tabla? Podrías notar que estamos duplicando el nombre y el país de la ciudad una y otra vez. Eso podría ocupar bastante espacio de almacenamiento y es en gran medida innecesario tener múltiples copias. Después de todo, Tokio tiene solo un nombre que nos interesa.

Bien, intentemos algo diferente. Agreguemos nuevas columnas para cada año:

Ciudad	País	2018	2019	2020
Tokio	Japón	1445	1874	1690
Atlanta	Estados Unidos	1779	1111	1683
Auckland	Nueva Zelanda	1386	942	1176

Aunque esto evita la duplicación de filas, agrega un par de otros desafíos. Tendríamos que modificar la estructura de nuestra tabla cada vez que haya un nuevo año. Además, a medida que nuestros datos crecen, tener los años como columnas hará que sea más complicado recuperar y calcular valores.

Por eso necesitamos múltiples tablas y relaciones. Al dividir nuestros datos podemos evitar la duplicación y tener más flexibilidad en cómo trabajamos con ellos.

Los conceptos de relaciones

Volvamos a nuestros datos y determinemos cómo queremos dividirlos. Sabemos que queremos almacenar el nombre y el país de nuestras ciudades, así que esto probablemente funcione mejor en una tabla.

Ciudad	País
Tokio	Japón
Atlanta	Estados Unidos
Auckland	Nueva Zelanda

Pero antes de crear la siguiente tabla, necesitamos averiguar cómo referenciar cada ciudad. Necesitamos algún tipo de identificador, ID o (en términos técnicos de bases de datos) una clave primaria. Una clave primaria es un valor utilizado para identificar una fila específica en una tabla. Aunque esto podría basarse en un valor en sí mismo (podríamos usar el nombre de la ciudad, por ejemplo), casi siempre debería ser un número u otro identificador. No queremos que el ID cambie nunca, ya que rompería la relación. En la mayoría de los casos, la clave primaria o ID será un número generado automáticamente.

✅ La clave primaria se abrevia frecuentemente como PK

ciudades

city_id	Ciudad	País
1	Tokio	Japón
2	Atlanta	Estados Unidos
3	Auckland	Nueva Zelanda

✅ Notarás que usamos los términos "id" y "clave primaria" de manera intercambiable durante esta lección. Los conceptos aquí se aplican a DataFrames, que explorarás más adelante. Los DataFrames no usan la terminología de "clave primaria", sin embargo notarás que se comportan de manera muy similar.

Con nuestra tabla de ciudades creada, almacenemos la lluvia. En lugar de duplicar la información completa sobre la ciudad, podemos usar el ID. También debemos asegurarnos de que la tabla recién creada tenga una columna id, ya que todas las tablas deben tener un ID o clave primaria.

lluvia

rainfall_id	city_id	Año	Cantidad
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

Nota la columna city_id dentro de la tabla recién creada lluvia. Esta columna contiene valores que hacen referencia a los IDs en la tabla ciudades. En términos técnicos de datos relacionales, esto se llama clave foránea; es una clave primaria de otra tabla. Puedes pensar en ella como una referencia o un puntero. city_id 1 hace referencia a Tokio.

[!NOTE] La clave foránea se abrevia frecuentemente como FK

Recuperando los datos

Con nuestros datos separados en dos tablas, podrías preguntarte cómo los recuperamos. Si estamos usando una base de datos relacional como MySQL, SQL Server u Oracle, podemos usar un lenguaje llamado Structured Query Language o SQL. SQL (a veces pronunciado "sequel") es un lenguaje estándar utilizado para recuperar y modificar datos en una base de datos relacional.

Para recuperar datos usas el comando SELECT. En su núcleo, seleccionas las columnas que quieres ver de la tabla en la que están contenidas. Si quisieras mostrar solo los nombres de las ciudades, podrías usar lo siguiente:

SELECT city
FROM cities;

-- Output:
-- Tokyo
-- Atlanta
-- Auckland

SELECT es donde enumeras las columnas, y FROM es donde enumeras las tablas.

[NOTE] La sintaxis de SQL no distingue entre mayúsculas y minúsculas, lo que significa que select y SELECT significan lo mismo. Sin embargo, dependiendo del tipo de base de datos que estés usando, las columnas y tablas podrían ser sensibles a mayúsculas y minúsculas. Como resultado, es una buena práctica tratar siempre todo en programación como si fuera sensible a mayúsculas y minúsculas. Al escribir consultas SQL, la convención común es poner las palabras clave en letras mayúsculas.

La consulta anterior mostrará todas las ciudades. Imaginemos que solo queremos mostrar ciudades en Nueva Zelanda. Necesitamos algún tipo de filtro. La palabra clave de SQL para esto es WHERE, o "donde algo es verdadero".

SELECT city
FROM cities
WHERE country = 'New Zealand';

-- Output:
-- Auckland

Uniendo datos

Hasta ahora hemos recuperado datos de una sola tabla. Ahora queremos reunir los datos de ciudades y lluvia. Esto se hace uniéndolos juntos. Efectivamente crearás una conexión entre las dos tablas y emparejarás los valores de una columna de cada tabla.

En nuestro ejemplo, emparejaremos la columna city_id en lluvia con la columna city_id en ciudades. Esto emparejará el valor de lluvia con su respectiva ciudad. El tipo de unión que realizaremos se llama inner join, lo que significa que si alguna fila no coincide con nada de la otra tabla, no se mostrará. En nuestro caso, cada ciudad tiene datos de lluvia, por lo que todo se mostrará.

Recuperemos la lluvia de 2019 para todas nuestras ciudades.

Vamos a hacerlo en pasos. El primer paso es unir los datos indicando las columnas para la conexión - city_id como se destacó antes.

SELECT cities.city
    rainfall.amount
FROM cities
    INNER JOIN rainfall ON cities.city_id = rainfall.city_id

Hemos destacado las dos columnas que queremos, y el hecho de que queremos unir las tablas por city_id. Ahora podemos agregar la declaración WHERE para filtrar solo el año 2019.

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 |  942

Resumen

Las bases de datos relacionales se centran en dividir la información entre múltiples tablas que luego se reúnen para su visualización y análisis. Esto proporciona un alto grado de flexibilidad para realizar cálculos y manipular datos. Has visto los conceptos centrales de una base de datos relacional y cómo realizar una unión entre dos tablas.

🚀 Desafío

Existen numerosas bases de datos relacionales disponibles en internet. Puedes explorar los datos utilizando las habilidades que has aprendido anteriormente.

Cuestionario posterior a la clase

Cuestionario posterior a la clase

Revisión y Autoestudio

Hay varios recursos disponibles en Microsoft Learn para que continúes tu exploración de SQL y conceptos de bases de datos relacionales.

• Describir conceptos de datos relacionales
• Comienza a consultar con Transact-SQL (Transact-SQL es una versión de SQL)
• Contenido de SQL en Microsoft Learn

Tarea

Título de la tarea

Descargo de responsabilidad:
Este documento ha sido traducido utilizando el servicio de traducción automática Co-op Translator. Si bien nos esforzamos por lograr precisión, tenga en cuenta que las traducciones automáticas pueden contener errores o imprecisiones. El documento original en su idioma nativo debe considerarse como la fuente autorizada. Para información crítica, se recomienda una traducción profesional realizada por humanos. No nos hacemos responsables de malentendidos o interpretaciones erróneas que puedan surgir del uso de esta traducción.