 |
|---|
| 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 construye sobre este principio básico de columnas y filas en tablas, permitiéndote tener información distribuida en múltiples tablas. Esto te permite trabajar con datos más complejos, evitar duplicaciones y tener flexibilidad en la forma en que exploras los datos. Vamos a explorar los conceptos de una base de datos relacional.
Una base de datos relacional tiene en su núcleo 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 queremos trabajar, como el nombre de una ciudad o la cantidad de lluvia. Las columnas describen los datos que almacenan.
Comencemos nuestra exploración iniciando una tabla para almacenar información sobre ciudades. Podríamos comenzar con su nombre y país. Podrías almacenar esto en una tabla como la siguiente:
| Ciudad | País |
|---|---|
| Tokio | Japón |
| Atlanta | Estados Unidos |
| Auckland | Nueva Zelanda |
Observa que los nombres de las columnas Ciudad, País y Población describen los datos almacenados, y cada fila tiene información sobre una ciudad.
Probablemente la tabla anterior te parezca relativamente familiar. Comencemos a agregar algunos datos adicionales a nuestra incipiente base de datos: la precipitación anual (en milímetros). Nos centraremos en los años 2018, 2019 y 2020. Si la agregamos 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 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 más. 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, añade 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 duplicaciones y tener más flexibilidad en cómo trabajamos con ellos.
Volvamos a nuestros datos y determinemos cómo queremos dividir las cosas. Sabemos que queremos almacenar el nombre y país de nuestras ciudades, por lo 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 alguna forma de identificador, ID o (en términos técnicos de bases de datos) una clave primaria. Una clave primaria es un valor usado 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 porque rompería la relación. Encontrarás que en la mayoría de los casos la clave primaria o id será un número autogenerado.
✅ La clave primaria se abrevia frecuentemente como PK
| city_id | Ciudad | País |
|---|---|---|
| 1 | Tokio | Japón |
| 2 | Atlanta | Estados Unidos |
| 3 | Auckland | Nueva Zelanda |
✅ Notarás que usamos los términos "id" y "clave primaria" indistintamente durante esta lección. Los conceptos aquí 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 precipitación. 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 deberían tener un id o clave primaria.
| 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 |
Observa la columna city_id dentro de la tabla recién creada rainfall. Esta columna contiene valores que hacen referencia a los IDs en la tabla cities. En términos técnicos de datos relacionales, esto se llama una clave foránea; es una clave primaria de otra tabla. Puedes pensar en ella simplemente como una referencia o un puntero. city_id 1 hace referencia a Tokio.
Note
La clave foránea se abrevia frecuentemente como FK
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 Lenguaje de Consulta Estructurado o SQL. SQL (a veces pronunciado sequel) es un lenguaje estándar usado para recuperar y modificar datos en una base de datos relacional.
Para recuperar datos usas el comando SELECT. En esencia, 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
-- AucklandSELECT es donde listas las columnas, y FROM es donde listas las tablas.
Note
La sintaxis 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 uses, las columnas y tablas podrían ser sensibles a mayúsculas y minúsculas. Como resultado, es una buena práctica tratar 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 alguna forma de filtro. La palabra clave SQL para esto es WHERE, o "donde algo es verdadero".
SELECT city
FROM cities
WHERE country = 'New Zealand';
-- Output:
-- AucklandHasta ahora hemos recuperado datos de una sola tabla. Ahora queremos juntar los datos de cities y rainfall. Esto se hace uniéndolos juntos. Efectivamente crearás una unión entre las dos tablas, y emparejarás los valores de una columna de cada tabla.
En nuestro ejemplo, emparejaremos la columna city_id en rainfall con la columna city_id en cities. Esto emparejará el valor de precipitación con su ciudad respectiva. 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 precipitación, así que todo se mostrará.
Vamos a recuperar la precipitación para 2019 para todas nuestras ciudades.
Lo haremos en pasos. El primer paso es unir los datos indicando las columnas para la unión - city_id como se destacó antes.
SELECT cities.city
rainfall.amount
FROM cities
INNER JOIN rainfall ON cities.city_id = rainfall.city_idHemos resaltado las dos columnas que queremos, y el hecho de que queremos unir las tablas por city_id. Ahora podemos agregar la sentencia 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 | 942Las bases de datos relacionales se centran en dividir la información entre múltiples tablas que luego se vuelven a unir para mostrar y analizar. Esto proporciona un alto grado de flexibilidad para realizar cálculos y manipular datos de otras maneras. Has visto los conceptos básicos de una base de datos relacional y cómo realizar una unión entre dos tablas.
Existen numerosas bases de datos relacionales disponibles en internet. Puedes explorar los datos usando las habilidades que has aprendido arriba.
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
- Comenzar a consultar con Transact-SQL (Transact-SQL es una versión de SQL)
- Contenido SQL en Microsoft Learn
Mostrando datos de aeropuertos
Aviso Legal:
Este documento ha sido traducido utilizando el servicio de traducción automática Co-op Translator. Aunque nos esforzamos por la precisión, tenga en cuenta que las traducciones automáticas pueden contener errores o inexactitudes. El documento original en su idioma nativo debe considerarse la fuente autorizada. Para información crítica, se recomienda una traducción profesional realizada por humanos. No nos hacemos responsables de malentendidos o interpretaciones erróneas derivadas del uso de esta traducción.