 |
|---|
| 處理數據：關聯式資料庫 - Sketchnote 由 @nitya 製作 |
你很可能過去曾使用過試算表來儲存資訊。你有一組列和欄，列包含資訊（或數據），欄描述該資訊（有時稱為元資料）。關聯式資料庫建立在表格中欄和列的核心原則上，允許你將資訊分散在多個表格中。這讓你能處理更複雜的數據，避免重複，並在探索數據時擁有彈性。讓我們來探索關聯式資料庫的概念。
關聯式資料庫的核心是表格。就像試算表一樣，表格是欄和列的集合。列包含我們想處理的數據或資訊，例如城市名稱或降雨量。欄描述它們所儲存的數據。
讓我們開始探索，建立一個表格來儲存城市資訊。我們可能會從城市名稱和國家開始。你可以將它儲存在表格中，如下所示：
| City | Country |
|---|---|
| Tokyo | Japan |
| Atlanta | United States |
| Auckland | New Zealand |
注意欄名 city、country 和 population 描述所儲存的數據，每一列包含一個城市的資訊。
你可能覺得上面的表格相當熟悉。讓我們開始為我們的新資料庫添加一些額外數據——年度降雨量（以毫米計）。我們將關注2018、2019和2020年。如果我們為東京添加，可能會是這樣：
| City | Country | Year | Amount |
|---|---|---|---|
| Tokyo | Japan | 2020 | 1690 |
| Tokyo | Japan | 2019 | 1874 |
| Tokyo | Japan | 2018 | 1445 |
你注意到表格有什麼嗎？你可能會注意到我們不斷重複城市的名稱和國家。這可能佔用相當多的儲存空間，而且多份複製基本上是不必要的。畢竟，東京只有一個我們感興趣的名稱。
好，讓我們試試別的方法。為每年新增欄位：
| City | Country | 2018 | 2019 | 2020 |
|---|---|---|---|---|
| Tokyo | Japan | 1445 | 1874 | 1690 |
| Atlanta | United States | 1779 | 1111 | 1683 |
| Auckland | New Zealand | 1386 | 942 | 1176 |
雖然這避免了列的重複，但帶來了其他挑戰。每當有新的一年時，我們需要修改表格結構。此外，隨著數據增長，將年份作為欄位會使檢索和計算數值變得更複雜。
這就是為什麼我們需要多個表格和關聯。透過拆分數據，我們可以避免重複，並在處理數據時擁有更多彈性。
讓我們回到數據，決定如何拆分。我們知道要儲存城市的名稱和國家，所以這可能最好放在一個表格中。
| City | Country |
|---|---|
| Tokyo | Japan |
| Atlanta | United States |
| Auckland | New Zealand |
但在建立下一個表格之前，我們需要找出如何參考每個城市。我們需要某種識別符、ID或（在技術資料庫術語中）主鍵。主鍵是用來識別表格中特定一列的值。雖然這可以基於值本身（例如使用城市名稱），但幾乎總是應該是數字或其他識別符。我們不希望ID改變，因為那會破壞關聯。你會發現大多數情況下主鍵或ID會是自動生成的數字。
✅ 主鍵常縮寫為 PK
| city_id | City | Country |
|---|---|---|
| 1 | Tokyo | Japan |
| 2 | Atlanta | United States |
| 3 | Auckland | New Zealand |
✅ 你會注意到在本課程中，我們交替使用「id」和「主鍵」這兩個術語。這些概念也適用於你稍後會探索的 DataFrames。DataFrames 不使用「主鍵」這個術語，但你會發現它們的行為非常相似。
建立了城市表格後，讓我們儲存降雨量。與其重複城市的完整資訊，我們可以使用ID。我們還應確保新建立的表格也有一個 id 欄位，因為所有表格都應該有id或主鍵。
| rainfall_id | city_id | Year | Amount |
|---|---|---|---|
| 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 |
注意新建立的 rainfall 表格中的 city_id 欄。這欄包含參考 cities 表中ID的值。在技術關聯資料術語中，這稱為 外鍵；它是另一個表的主鍵。你可以把它當作參考或指標。city_id 1 參考東京。
Note
外鍵常縮寫為 FK
將數據分成兩個表格後，你可能想知道如何取回它。如果我們使用像 MySQL、SQL Server 或 Oracle 這樣的關聯式資料庫，我們可以使用一種叫做結構化查詢語言（Structured Query Language，SQL）的語言。SQL（有時讀作 sequel）是用來取回和修改關聯式資料庫中數據的標準語言。
取回數據時使用命令 SELECT。基本上，你選擇想看的欄位，從它們所在的表格中取出。如果你只想顯示城市名稱，可以使用以下語句：
SELECT city
FROM cities;
-- Output:
-- Tokyo
-- Atlanta
-- AucklandSELECT 是列出欄位的地方，FROM 是列出表格的地方。
Note
SQL 語法不區分大小寫，select 和 SELECT 意思相同。但根據你使用的資料庫類型，欄位和表格名稱可能區分大小寫。因此，最佳實務是將程式碼中所有東西都視為區分大小寫。撰寫 SQL 查詢時，常見慣例是將關鍵字全部大寫。
上述查詢會顯示所有城市。假設我們只想顯示紐西蘭的城市，我們需要某種過濾條件。SQL 的關鍵字是 WHERE，意思是「在某條件為真時」。
SELECT city
FROM cities
WHERE country = 'New Zealand';
-- Output:
-- Auckland到目前為止，我們只從單一表格取回數據。現在我們想將 cities 和 rainfall 的數據合併。這是透過連接它們完成的。你會在兩個表格之間建立一個接縫，並匹配每個表格中某欄的值。
在我們的例子中，我們會將 rainfall 中的 city_id 欄與 cities 中的 city_id 欄匹配。這會將降雨量與其對應的城市匹配起來。我們執行的連接類型稱為內部連接，意思是如果有任何列在另一個表中找不到匹配，就不會顯示。在我們的情況中，每個城市都有降雨量，所以全部都會顯示。
讓我們取回2019年所有城市的降雨量。
我們將分步進行。第一步是透過指定接縫的欄位——前面提到的 city_id，將數據連接起來。
SELECT cities.city
rainfall.amount
FROM cities
INNER JOIN rainfall ON cities.city_id = rainfall.city_id我們已標示出想要的兩個欄位，以及我們想用 city_id 連接表格。現在我們可以加上 WHERE 語句，只篩選2019年。
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關聯式資料庫的核心是將資訊分散在多個表格中，然後再合併顯示和分析。這提供了高度的彈性來執行計算和操作數據。你已經看到關聯式資料庫的核心概念，以及如何在兩個表格之間執行連接。
網路上有許多關聯式資料庫可用。你可以利用上述學到的技能來探索數據。
在 Microsoft Learn 上有多個資源，供你繼續探索 SQL 和關聯式資料庫概念
- 描述關聯數據的概念
- 開始使用 Transact-SQL 查詢（Transact-SQL 是 SQL 的一個版本）
- Microsoft Learn 上的 SQL 內容
免責聲明：
本文件係使用 AI 翻譯服務 Co-op Translator 進行翻譯。雖然我哋致力於確保準確性，但請注意，自動翻譯可能包含錯誤或不準確之處。原始文件之母語版本應視為權威來源。對於重要資訊，建議採用專業人工翻譯。對於因使用本翻譯而引起之任何誤解或誤釋，我哋概不負責。