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

Adatok kezelése: Relációs adatbázisok

Adatok kezelése: Relációs adatbázisok - Sketchnote készítette: @nitya

Valószínűleg már használtál korábban táblázatot információk tárolására. Volt egy sorokból és oszlopokból álló készleted, ahol a sorok tartalmazták az információkat (vagy adatokat), az oszlopok pedig leírták az információkat (ezeket néha metaadatoknak is nevezik). A relációs adatbázisok erre az alapelvre épülnek: táblázatokban oszlopok és sorok segítségével tárolják az adatokat, lehetővé téve, hogy az információ több táblázat között legyen elosztva. Ez lehetővé teszi, hogy bonyolultabb adatokat kezelj, elkerüld az adatok duplikációját, és rugalmasan vizsgáld az adatokat. Nézzük meg közelebbről a relációs adatbázisok alapfogalmait.

Előadás előtti kvíz

Minden a táblázatokkal kezdődik

A relációs adatbázisok alapját a táblázatok képezik. Akárcsak a táblázatkezelő programokban, egy tábla oszlopok és sorok gyűjteménye. A sorok tartalmazzák az adatokat vagy információkat, amelyeket kezelni szeretnénk, például egy város nevét vagy a csapadékmennyiséget. Az oszlopok leírják, hogy milyen adatokat tárolnak.

Kezdjük azzal, hogy létrehozunk egy táblát a városokkal kapcsolatos információk tárolására. Kezdhetjük például a nevükkel és az országukkal. Ezt így tárolhatnánk egy táblázatban:

Város	Ország
Tokió	Japán
Atlanta	Egyesült Államok
Auckland	Új-Zéland

Figyeld meg, hogy az oszlopnevek, mint például város, ország és népesség, leírják a tárolt adatokat, és minden sor egy városról tartalmaz információt.

Az egyetlen tábla megközelítés hiányosságai

Valószínűleg a fenti tábla ismerősnek tűnik számodra. Most adjunk hozzá néhány további adatot a növekvő adatbázisunkhoz – például az éves csapadékmennyiséget (milliméterben). Koncentráljunk a 2018-as, 2019-es és 2020-as évekre. 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? Talán feltűnik, hogy a város nevét és országát újra és újra megismételjük. Ez elég sok tárhelyet foglalhat, és nagyrészt felesleges, hiszen 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 ezzel elkerüljük a sorok duplikációját, más problémákat hozunk létre. Módosítanunk kellene a táblázat szerkezetét minden új év hozzáadásakor. Emellett, ahogy az adataink növekednek, az évek oszlopként való tárolása megnehezíti az adatok lekérdezését és számítását.

Ezért van szükségünk több táblára és kapcsolatokra. Az adatok szétválasztásával elkerülhetjük a duplikációt, és nagyobb rugalmasságot érhetünk el az adatok kezelésében.

A kapcsolatok fogalma

Térjünk vissza az adatainkhoz, és határozzuk meg, hogyan szeretnénk szétválasztani őket. Tudjuk, hogy a városok nevét és országát szeretnénk tárolni, így ez valószínűleg egy táblában működik a legjobban.

Város	Ország
Tokió	Japán
Atlanta	Egyesült Államok
Auckland	Új-Zéland

De mielőtt létrehoznánk a következő táblát, ki kell találnunk, hogyan hivatkozzunk az egyes városokra. Szükségünk van valamilyen azonosítóra, ID-re vagy (technikai adatbázis kifejezéssel élve) elsődleges kulcsra. Az elsődleges kulcs egy olyan érték, amely egy adott sort azonosít egy táblában. Bár ez alapulhat maga az érték (például a város neve), szinte mindig egy szám vagy más azonosító kell, hogy legyen. Nem szeretnénk, hogy az azonosító valaha is megváltozzon, mert az megszakítaná a kapcsolatot. A legtöbb esetben az elsődleges kulcs vagy azonosító automatikusan generált szám lesz.

✅ Az elsődleges kulcsot gyakran PK-ként rövidítik.

városok

város_id	Város	Ország
1	Tokió	Japán
2	Atlanta	Egyesült Államok
3	Auckland	Új-Zéland

✅ Észreveheted, hogy az "id" és az "elsődleges kulcs" kifejezéseket felváltva használjuk ebben a leckében. Ezek a fogalmak a DataFrame-ekre is vonatkoznak, amelyeket később fogsz felfedezni. A DataFrame-ek nem használják az "elsődleges kulcs" terminológiát, de hasonlóan viselkednek.

Miután létrehoztuk a városok táblát, tároljuk a csapadékmennyiséget. Ahelyett, hogy a város teljes információját duplikálnánk, használhatjuk az azonosítót. Biztosítanunk kell azt is, hogy az újonnan létrehozott táblának is legyen egy id oszlopa, mivel minden táblának kell, hogy legyen egy azonosítója vagy elsődleges kulcsa.

csapadék

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 táblában. Ez az oszlop olyan értékeket tartalmaz, amelyek a városok tábla azonosítóira hivatkoznak. Technikai relációs adatbázis kifejezéssel élve ezt idegen kulcsnak nevezzük; ez egy másik tábla elsődleges kulcsa. Egyszerűen gondolj rá úgy, mint egy hivatkozásra vagy mutatóra. A város_id 1 Tokióra hivatkozik.

[!NOTE] Az idegen kulcsot gyakran FK-ként rövidítik.

Az adatok lekérdezése

Miután az adatainkat két táblába szétválasztottuk, felmerülhet a kérdés, hogyan kérdezzük le őket. Ha relációs adatbázist használunk, például MySQL-t, SQL Servert vagy Oracle-t, egy Structured Query Language (SQL) nevű nyelvet használhatunk. Az SQL (néha "szíkvöl"-nek ejtik) egy szabványos nyelv, amelyet adatok lekérdezésére és módosítására használnak relációs adatbázisokban.

Az adatok lekérdezéséhez a SELECT parancsot használjuk. Alapvetően a select-tel megadjuk, hogy mely oszlopokat szeretnénk látni, és a from-mal megadjuk, hogy melyik táblából származnak. Ha például csak a városok nevét szeretnénk megjeleníteni, a következőt használhatjuk:

SELECT city
FROM cities;

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

A SELECT-ben soroljuk fel az oszlopokat, a FROM-ban pedig a táblákat.

[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 táblák neve érzékeny lehet a kis- és nagybetűkre. Ezért jó gyakorlat mindig úgy kezelni mindent a programozásban, mintha érzékeny lenne a kis- és nagybetűkre. Az SQL lekérdezések írásakor általános szokás, hogy a kulcsszavakat nagybetűvel írjuk.

A fenti lekérdezés az összes várost megjeleníti. Tegyük fel, 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:
-- Auckland

Adatok összekapcsolása

Eddig egyetlen táblából kérdeztünk le adatokat. Most szeretnénk az adatokat a városok és a csapadék táblákból összekapcsolni. Ezt összekapcsolásnak nevezzük. Lényegében egy varratot hozunk létre a két tábla között, és összeillesztjük az értékeket egy-egy oszlopból mindkét táblában.

Példánkban a város_id oszlopot fogjuk összeilleszteni a csapadék és a városok táblákban. Ez összekapcsolja a csapadékmennyiséget a megfelelő várossal. Az általunk végrehajtott összekapcsolás típusa egy úgynevezett belső összekapcsolás lesz, ami azt jelenti, hogy ha bármelyik sor nem illeszkedik a másik táblában lévő adatokhoz, akkor nem jelenik meg. Esetünkben minden városhoz tartozik csapadékadat, így minden meg fog jelenni.

Kérdezzük le a 2019-es év csapadékmennyiségét az összes városra vonatkozóan.

Ezt lépésenként fogjuk megtenni. Az első lépés az adatok összekapcsolása az oszlopok varratainak megadásával – a korábban kiemelt város_id oszlopokkal.

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

Kiemeltük a két oszlopot, amelyeket szeretnénk, és azt, hogy a táblákat 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 |  942

Összefoglalás

A relációs adatbázisok lényege, hogy az információkat több táblába osztják szét, amelyeket aztán megjelenítés és elemzés céljából újra összehoznak. Ez nagyfokú rugalmasságot biztosít a számítások elvégzéséhez és az adatok manipulálásához. Megismerkedtél a relációs adatbázisok alapfogalmaival, és azzal, hogyan lehet összekapcsolni két táblát.

🚀 Kihívás

Számos relációs adatbázis érhető el az interneten. Fedezd fel az adatokat az itt tanult készségek segítségével.

Előadás utáni kvíz

Előadás utáni kvíz

Áttekintés és önálló tanulás

Számos forrás érhető el a Microsoft Learn oldalon, amelyek segítségével tovább mélyítheted az SQL és a relációs adatbázisok fogalmaival kapcsolatos ismereteidet.

• Relációs adatok fogalmainak ismertetése
• Első lépések a Transact-SQL-lel (A Transact-SQL az SQL egy változata)
• SQL tartalom a Microsoft Learn oldalon

Feladat

Feladat címe

---

Felelősség kizárása:
Ez a dokumentum az AI fordítási szolgáltatás Co-op Translator 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. Kritikus információk esetén javasolt professzionális emberi fordítást igénybe venni. Nem vállalunk felelősséget semmilyen félreértésért vagy téves értelmezésért, amely a fordítás használatából eredhet.