9.8 KiB
使用數據：關係型數據庫
 |
|---|
| 使用數據：關係型數據庫 - 手繪筆記由 @nitya 繪製 |
你可能曾經使用過電子表格來存儲信息。電子表格由一組行和列組成，行包含信息（或數據），列描述這些信息（有時稱為元數據）。關係型數據庫正是基於這種表格中行和列的核心原則構建的，允許你將信息分散到多個表中。這樣可以處理更複雜的數據，避免重複，並且在探索數據時更加靈活。讓我們一起探索關係型數據庫的概念。
課前測驗
一切從表開始
關係型數據庫的核心是表。就像電子表格一樣，表是由列和行組成的集合。行包含我們希望處理的數據或信息，例如城市名稱或降雨量。列則描述它們存儲的數據。
讓我們從創建一個存儲城市信息的表開始探索。我們可能會從城市名稱和國家開始。你可以將其存儲在如下表格中：
| 城市 | 國家 |
|---|---|
| 東京 | 日本 |
| 亞特蘭大 | 美國 |
| 奧克蘭 | 新西蘭 |
注意，城市、國家和人口這些列名描述了存儲的數據，而每一行則包含一個城市的信息。
單表方法的局限性
上述表格可能對你來說很熟悉。現在讓我們為這個初具規模的數據庫添加一些額外的數據——年度降雨量（以毫米為單位）。我們將關注2018年、2019年和2020年的數據。如果我們為東京添加數據，可能會如下所示：
| 城市 | 國家 | 年份 | 降雨量 |
|---|---|---|---|
| 東京 | 日本 | 2020 | 1690 |
| 東京 | 日本 | 2019 | 1874 |
| 東京 | 日本 | 2018 | 1445 |
你注意到這個表格有什麼問題嗎？你可能會發現我們重複了城市名稱和國家多次。這樣會佔用大量存儲空間，而且多次複製是沒有必要的。畢竟，東京只有一個名稱。
好吧，我們試試另一種方法。讓我們為每一年添加新的列：
| 城市 | 國家 | 2018 | 2019 | 2020 |
|---|---|---|---|---|
| 東京 | 日本 | 1445 | 1874 | 1690 |
| 亞特蘭大 | 美國 | 1779 | 1111 | 1683 |
| 奧克蘭 | 新西蘭 | 1386 | 942 | 1176 |
雖然這樣避免了行的重複，但也帶來了一些其他挑戰。我們每次有新的一年時都需要修改表的結構。此外，隨著數據的增長，將年份作為列會使得檢索和計算數值變得更加困難。
這就是為什麼我們需要多個表和關係。通過將數據分解，我們可以避免重複，並且在處理數據時更加靈活。
關係的概念
讓我們回到數據，確定如何分解它。我們知道我們想要存儲城市的名稱和國家，因此這些信息最好存儲在一個表中。
| 城市 | 國家 |
|---|---|
| 東京 | 日本 |
| 亞特蘭大 | 美國 |
| 奧克蘭 | 新西蘭 |
但在創建下一個表之前，我們需要確定如何引用每個城市。我們需要某種形式的標識符、ID 或（在技術數據庫術語中）主鍵。主鍵是一個用於標識表中特定行的值。雖然這可以基於某個值本身（例如，我們可以使用城市名稱），但它幾乎總是應該是一個數字或其他標識符。我們不希望 ID 發生變化，因為這會破壞關係。在大多數情況下，主鍵或 ID 通常是一個自動生成的數字。
✅ 主鍵通常縮寫為 PK
cities
| city_id | 城市 | 國家 |
|---|---|---|
| 1 | 東京 | 日本 |
| 2 | 亞特蘭大 | 美國 |
| 3 | 奧克蘭 | 新西蘭 |
✅ 在本課程中，你會注意到我們交替使用 "id" 和 "主鍵" 這兩個術語。這些概念同樣適用於你稍後會探索的 DataFrames。雖然 DataFrames 不使用 "主鍵" 這一術語，但你會發現它們的行為非常相似。
有了我們的城市表，現在讓我們存儲降雨量。與其重複城市的完整信息，我們可以使用 ID。我們還應確保新創建的表也有一個 id 列，因為所有表都應該有一個 ID 或主鍵。
rainfall
| rainfall_id | city_id | 年份 | 降雨量 |
|---|---|---|---|
| 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 |
注意新創建的 rainfall 表中的 city_id 列。這一列包含的值引用了 cities 表中的 ID。在技術的關係型數據術語中，這被稱為 外鍵；它是來自另一個表的主鍵。你可以將其視為一個引用或指針。city_id 1 指向東京。
[!NOTE] 外鍵通常縮寫為 FK
檢索數據
將數據分成兩個表後，你可能會想知道如何檢索它。如果我們使用的是 MySQL、SQL Server 或 Oracle 等關係型數據庫，我們可以使用一種稱為結構化查詢語言（SQL）的語言。SQL（有時讀作 sequel）是一種用於檢索和修改關係型數據庫中數據的標準語言。
要檢索數據，你可以使用命令 SELECT。其核心是，你選擇想要查看的列，從它們所在的表中檢索。如果你只想顯示城市的名稱，可以使用以下語句：
SELECT city
FROM cities;
-- Output:
-- Tokyo
-- Atlanta
-- Auckland
SELECT 是用來列出列名的，而 FROM 是用來列出表名的。
[NOTE] SQL 語法不區分大小寫，這意味著
select和SELECT是一樣的。然而，根據你使用的數據庫類型，列名和表名可能區分大小寫。因此，最佳實踐是始終將編程中的所有內容視為區分大小寫。在撰寫 SQL 查詢時，常見的約定是將關鍵字全部用大寫字母表示。
上述查詢將顯示所有城市。假設我們只想顯示新西蘭的城市。我們需要某種形式的篩選器。SQL 中的關鍵字是 WHERE，即 "條件為真時"。
SELECT city
FROM cities
WHERE country = 'New Zealand';
-- Output:
-- Auckland
數據的連接
到目前為止，我們只從一個表中檢索數據。現在我們希望將 cities 和 rainfall 的數據結合起來。這可以通過連接它們來完成。你將在兩個表之間創建一個接縫，並匹配每個表中的某一列的值。
在我們的例子中，我們將匹配 rainfall 表中的 city_id 列與 cities 表中的 city_id 列。這將把降雨量與其對應的城市匹配起來。我們將執行的連接類型稱為內連接，這意味著如果某些行與另一個表中的任何內容不匹配，它們將不會顯示。在我們的例子中，每個城市都有降雨量，因此所有內容都會顯示。
讓我們檢索所有城市在2019年的降雨量。
我們將分步完成。第一步是通過指定接縫的列（即 city_id）來連接數據。
SELECT cities.city
rainfall.amount
FROM cities
INNER JOIN rainfall ON cities.city_id = rainfall.city_id
我們已經突出顯示了我們想要的兩列，以及我們希望通過 city_id 將表連接起來的事實。現在我們可以添加 WHERE 語句來篩選出僅2019年的數據。
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
總結
關係型數據庫的核心是將信息分割到多個表中，然後將其重新組合以進行顯示和分析。這提供了極高的靈活性來執行計算或以其他方式操作數據。你已經了解了關係型數據庫的核心概念，以及如何在兩個表之間執行連接。
🚀 挑戰
網絡上有許多關係型數據庫可供使用。你可以利用上面學到的技能來探索這些數據。
課後測驗
課後測驗
回顧與自學
Microsoft Learn 上有多種資源可供你繼續探索 SQL 和關係型數據庫的概念：
- 描述關係型數據的概念
- 開始使用 Transact-SQL 查詢（Transact-SQL 是 SQL 的一個版本）
- Microsoft Learn 上的 SQL 內容
作業
免責聲明：
本文件已使用人工智能翻譯服務 Co-op Translator 進行翻譯。雖然我們致力於提供準確的翻譯，但請注意，自動翻譯可能包含錯誤或不準確之處。原始語言的文件應被視為權威來源。對於重要信息，建議使用專業人工翻譯。我們對因使用此翻譯而引起的任何誤解或錯誤解釋概不負責。