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

Práce s daty: Relační databáze

Práce s daty: Relační databáze - Sketchnote od @nitya

Je pravděpodobné, že jste v minulosti použili tabulkový procesor k ukládání informací. Měli jste sadu řádků a sloupců, kde řádky obsahovaly informace (nebo data) a sloupce popisovaly informace (někdy nazývané metadata). Relační databáze je postavena na tomto základním principu sloupců a řádků v tabulkách, což vám umožňuje mít informace rozprostřené přes více tabulek. To vám umožňuje pracovat s komplexnějšími daty, vyhnout se duplicitě a mít flexibilitu ve způsobu, jakým data prozkoumáváte. Pojďme prozkoumat koncepty relační databáze.

Přednáškový kvíz

Všechno začíná tabulkami

Relační databáze má ve svém jádru tabulky. Stejně jako u tabulkového procesoru je tabulka sbírkou sloupců a řádků. Řádek obsahuje data nebo informace, se kterými chceme pracovat, například název města nebo množství srážek. Sloupce popisují data, která ukládají.

Začněme naši exploraci vytvořením tabulky pro ukládání informací o městech. Můžeme začít jejich názvem a zemí. Můžete to uložit do tabulky takto:

Město	Země
Tokio	Japonsko
Atlanta	Spojené státy
Auckland	Nový Zéland

Všimněte si názvů sloupců město, země a populace, které popisují ukládaná data, a každý řádek obsahuje informace o jednom městě.

Nedostatky přístupu s jednou tabulkou

Je pravděpodobné, že tabulka výše vám přijde relativně známá. Začněme přidávat další data do naší rostoucí databáze - roční srážky (v milimetrech). Zaměříme se na roky 2018, 2019 a 2020. Pokud bychom je přidali pro Tokio, mohlo by to vypadat takto:

Město	Země	Rok	Množství
Tokio	Japonsko	2020	1690
Tokio	Japonsko	2019	1874
Tokio	Japonsko	2018	1445

Co si všimnete na naší tabulce? Můžete si všimnout, že opakujeme název a zemi města stále dokola. To by mohlo zabírat poměrně hodně místa a je to z velké části zbytečné mít více kopií. Koneckonců Tokio má jen jeden název, o který máme zájem.

Dobře, zkusme něco jiného. Přidáme nové sloupce pro každý rok:

Město	Země	2018	2019	2020
Tokio	Japonsko	1445	1874	1690
Atlanta	Spojené státy	1779	1111	1683
Auckland	Nový Zéland	1386	942	1176

I když se tím vyhneme duplikaci řádků, přidává to několik dalších výzev. Museli bychom upravovat strukturu naší tabulky pokaždé, když přijde nový rok. Navíc, jak naše data rostou, mít roky jako sloupce ztíží získávání a výpočty hodnot.

Proto potřebujeme více tabulek a vztahů. Rozdělením našich dat se můžeme vyhnout duplicitě a mít větší flexibilitu v tom, jak s daty pracujeme.

Koncepty vztahů

Vraťme se k našim datům a určme, jak je chceme rozdělit. Víme, že chceme uložit název a zemi našich měst, takže to pravděpodobně nejlépe funguje v jedné tabulce.

Město	Země
Tokio	Japonsko
Atlanta	Spojené státy
Auckland	Nový Zéland

Ale než vytvoříme další tabulku, musíme zjistit, jak na každé město odkazovat. Potřebujeme nějaký identifikátor, ID nebo (v technických databázových termínech) primární klíč. Primární klíč je hodnota používaná k identifikaci jednoho konkrétního řádku v tabulce. I když by to mohlo být založeno na samotné hodnotě (například bychom mohli použít název města), mělo by to téměř vždy být číslo nebo jiný identifikátor. Nechceme, aby se id kdykoli změnilo, protože by to zlomilo vztah. Většinou bude primární klíč nebo id automaticky generované číslo.

✅ Primární klíč se často zkracuje jako PK

cities

city_id	Město	Země
1	Tokio	Japonsko
2	Atlanta	Spojené státy
3	Auckland	Nový Zéland

✅ V průběhu této lekce budete pozorovat, že používáme termíny "id" a "primární klíč" zaměnitelně. Koncepty zde platí i pro DataFrames, které budete později zkoumat. DataFrames nepoužívají terminologii "primární klíč", ale všimnete si, že se chovají velmi podobně.

S naší tabulkou měst vytvořenou, uložme srážky. Místo duplikování úplných informací o městě můžeme použít id. Měli bychom také zajistit, aby nově vytvořená tabulka měla také sloupec id, protože všechny tabulky by měly mít id nebo primární klíč.

rainfall

rainfall_id	city_id	Rok	Množství
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

Všimněte si sloupce city_id uvnitř nově vytvořené tabulky rainfall. Tento sloupec obsahuje hodnoty, které odkazují na ID v tabulce cities. V technických relačních datech se tomu říká cizí klíč; je to primární klíč z jiné tabulky. Můžete si to představit jako odkaz nebo ukazatel. city_id 1 odkazuje na Tokio.

[!NOTE] Cizí klíč se často zkracuje jako FK

Získávání dat

S našimi daty rozdělenými do dvou tabulek se možná ptáte, jak je získáme. Pokud používáme relační databázi jako MySQL, SQL Server nebo Oracle, můžeme použít jazyk nazvaný Structured Query Language nebo SQL. SQL (někdy vyslovováno jako sequel) je standardní jazyk používaný k získávání a úpravě dat v relační databázi.

Pro získání dat použijete příkaz SELECT. V jádru vyberete sloupce, které chcete vidět, z tabulky, ve které jsou obsaženy. Pokud byste chtěli zobrazit pouze názvy měst, mohli byste použít následující:

SELECT city
FROM cities;

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

SELECT je místo, kde vyjmenujete sloupce, a FROM je místo, kde vyjmenujete tabulky.

[!NOTE] Syntaxe SQL nerozlišuje velká a malá písmena, což znamená, že select a SELECT znamenají totéž. Nicméně v závislosti na typu databáze, kterou používáte, mohou být sloupce a tabulky citlivé na velikost písmen. Proto je nejlepší praxí vždy zacházet se vším v programování, jako by to bylo citlivé na velikost písmen. Při psaní SQL dotazů je běžnou konvencí psát klíčová slova velkými písmeny.

Výše uvedený dotaz zobrazí všechna města. Představme si, že chceme zobrazit pouze města na Novém Zélandu. Potřebujeme nějaký filtr. SQL klíčové slovo pro to je WHERE, nebo "kde něco platí".

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

-- Output:
-- Auckland

Spojování dat

Dosud jsme získávali data z jedné tabulky. Nyní chceme spojit data z obou tabulek cities a rainfall. To se provádí jejich spojením. V podstatě vytvoříte spoj mezi dvěma tabulkami a spárujete hodnoty ze sloupce z každé tabulky.

V našem příkladu spárujeme sloupec city_id v tabulce rainfall se sloupcem city_id v tabulce cities. To spáruje hodnotu srážek s příslušným městem. Typ spojení, které provedeme, se nazývá inner join, což znamená, že pokud se nějaké řádky neshodují s ničím z druhé tabulky, nebudou zobrazeny. V našem případě má každé město srážky, takže bude vše zobrazeno.

Získáme srážky za rok 2019 pro všechna naše města.

Uděláme to po krocích. Prvním krokem je spojit data dohromady tím, že určíme sloupce pro spojení - city_id, jak bylo uvedeno výše.

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

Zvýraznili jsme dva sloupce, které chceme, a fakt, že chceme spojit tabulky podle city_id. Nyní můžeme přidat příkaz WHERE pro filtrování pouze roku 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

Shrnutí

Relační databáze jsou založeny na rozdělení informací mezi více tabulek, které jsou pak znovu spojeny pro zobrazení a analýzu. To poskytuje vysokou míru flexibility pro provádění výpočtů a jinou manipulaci s daty. Viděli jste základní koncepty relační databáze a jak provést spojení mezi dvěma tabulkami.

🚀 Výzva

Na internetu je k dispozici mnoho relačních databází. Můžete prozkoumat data pomocí dovedností, které jste se naučili výše.

Kvíz po přednášce

Kvíz po přednášce

Přehled a samostudium

Na Microsoft Learn je k dispozici několik zdrojů, které vám umožní pokračovat v průzkumu SQL a konceptů relačních databází

• Popis konceptů relačních dat
• Začínáme s dotazováním pomocí Transact-SQL (Transact-SQL je verze SQL)
• Obsah SQL na Microsoft Learn

Zadání

Zobrazení dat letiště

---

Prohlášení o vyloučení odpovědnosti:
Tento dokument byl přeložen pomocí AI překladatelské služby Co-op Translator. Přestože usilujeme o přesnost, mějte prosím na paměti, že automatické překlady mohou obsahovat chyby nebo nepřesnosti. Původní dokument v jeho mateřském jazyce by měl být považován za autoritativní zdroj. Pro důležité informace se doporučuje profesionální lidský překlad. Nejsme odpovědní za jakékoliv nedorozumění nebo nesprávné výklady vyplývající z použití tohoto překladu.