热线电话：13121318867

登录
首页精彩阅读新人数据库学习指南
新人数据库学习指南
2017-02-15
收藏

我们进入第四周数据库的内容，在数据分析师的职业生涯中，数据库与 SQL 会是他们性价比最高的技能之一。


数据库是逻辑上的概念，它是一堆互相关联的数据，放在物理实体上，是一堆写在磁盘上的文件，文件中有数据。这些最基础的数据组成了表( table )，我们把它想象成一张 Excel 的 sheet 。

数据表的抽象概念如上图。

ID 是数据库中重要的概念，叫做唯一标识符／主键，用来表示数据的唯一性。我们把它理解成数据的身份证号。我知道身份证，也就知道数据在哪里了。

ID 不会有现实的业务意义，就是一串单纯的数字，每张表只能有一个主键。

数据库是表的集合，一个数据库中可以放多张表，我们给每张表命名，表与表之间能互相联系。

联系就是数据能够对应匹配，正式名称叫联接，对应的操作叫做 Join ，我们想象成 Excel 中的 vlookup 。


上面就是两张表，用户和教育背景，看上去能够使用姓名进行匹配，可是这里出现了两个张三，一个是北京大学，一个是上海大学，究竟哪个张三才能和用户表的张三对应上？都不能。

也许清华大学还有张三，复旦大学，交通大学也有，毕竟全中国姓名相同的人那么多。正确的用法应该是使用 ID 联接，而不是姓名。ID 是产品、运营和数据人员们在工作中接触最多的内容之一，用户 ID 文章 ID 商品 ID 等，如果大家还不了解，这里需要掌握。


上图就是正确的用法，用户表和教育表能够通过 ID 联接，可能有人疑问，用户 ID 为 1 和 6 的，还是不能对应呀？这个不要紧，因为在数据库中，不是所有的表都能一一对应，存在部分匹配的可能性，也许那个叫秦路的，他没读过书，教育背景表中自然没有记录了。

当然，数据库的设计还要更严谨，一般每张表都会有主键（主键不是必须，但是从效率优化上肯定会加），这个主键也不能是其他表的主键，防止产生冲突。


这样就靠谱了，用户 ID 是用户表的主键，教育背景 ID 是教育背景表的主键，我们在教育背景表中加入一个字段叫用户 ID，它是专门用来联接用户表的，它不是主键。

是不是有点绕？实际上，并不是所有名字带 ID 的都叫主键，这一点要搞清楚。

数据库中，表的名字和字段应该是英文。如果是主键，只要叫 id 即可，你要关联其他表，则以「表名_id」作为联接。


关联后的逻辑如下，这种方式叫全联接，匹配不上的都用 Null 表示，匹配上的我用橙色表示。联接是关系型数据库中的核心概念，是操作的基础，现在迷糊不要紧，多练习几次就好了。


如果现在我有一张新的表，需要关联 education，聪明的你也一定想到方法了吧。

了解上面的概念，你就知道什么叫关系型数据库，简单说，它是由多张能互相联接的二维行列表格组成的数据库。

关系型数据库是基于关系代数模型发展而来。常用的数据库有 SQL Server 、MySQL 、Oracle 等，我们后续学习都以 MySQL 为主。

接下来是安装 MySQL 。

我们去 MySQL 的官网下载，版本 5.6 以上即可。

按照教程完成后，我们通过命令行查询知否成功，Win 和 Mac 的操作不一样。


我们当然不会在这么丑的界面上操作 MySQL 啦，我们还需要安装 GUI，这是为我们提供操作界面的。

Mac 用户推荐 SequealPro，Win 用户推荐 WorkBench 。后续我会在 SequealPro 操作。MySQL 的默认用户名和密码均是 root，建议重新设置一下。

如果大家有疑问，可以去网上搜索相关教程，不安装 MySQL 也是可以的。因为数据分析师大多数情况是用在线数据查询平台操作，安装只是为了方便演示。不想要安装的同学，可以在 SQLZoo 练习，以后我也会讲解。

输入账号密码后进入操作界面，数据库我命名为 qin 。左侧栏是数据库中的 Table 列表，现在为空。右侧是表相关的操作和信息。


因为现在没有数据，我们加载曾经使用过的练习数据。数据分析师不需要学习如何创建删除增改表的操作，因为用不到，我只会讲解查询，大家有兴趣可以自行了解。

任何 MySQL 的 GUI 工具，都能加载 CSV，一般叫 import 。


Encoding 选择 Autodetect，其余按默认。


接下来需要设置各字段的数据类型，系统会帮我们自动选上，这里不用改动。int 代表整数数值，varchar 代表字符串(中文英文标点符号这类)，括号里面的数字是允许存储字节，这块也不要深入理解，只要知道常用的字段类型即可。

给表取个名字，载入后，就将 CSV 成功导入到数据库了，能够进行数据查询的操作。


这张表没有设置主键，主要是练习，所以跳过了这一步骤。

大家可能会遇到导入的数据是乱码，这是系统编码之间的差异，是 utf8 和 gbk 之间的冲突，网上有相关解答，搜索关键词即可。

到这里，大家已经成功地在自己电脑上创建了数据库。我们在之前文章已经针对练习数据进行了 Excel 操作、BI 分析，接下来学习 SQL。可能你们也猜到了，后续还会有统计学、Python 编程。

下一章，便是讲解查询语言SQL。


作者  秦路
本文为原作者原创作品，转载需授权




CDA数据分析师考试相关入口一览（建议收藏）：

▷ 想报名CDA认证考试，点击>>>   “CDA报名” 了解CDA考试详情；

▷ 想加入CDA考试题库，点击>>> “CDA题库” 了解CDA考试详情；

▷ 想学习CDA考试教材，点击>>> “CDA教材” 了解CDA考试详情；

▷ 想查询CDA考试成绩，点击>>> “CDA成绩” 了解CDA考试详情；

▷ 想了解CDA考试含金量，点击>>> “CDA含金量” 了解CDA考试详情；

▷ 想获取CDA考试时间/费用/条件/大纲/通过率，点击 >>>“CDA考试官网” 了解CDA考试详情；

SQL 字段 关系型数据库 数据分析

数据分析咨询请扫描二维码

上一篇图论在大数据分析中的作用！
下一篇CDA认证再升一档！与国家共同推进大数据人才培养标准教育事业！
CDA考试动态
CDA报考指南
热门栏目
最新资讯
更多
Copyright © 2015-present 北京国富如荷网络科技有限公司 All Rights Reserved.
京ICP备11001960号-9   京公网安备 11010802034615号   经营许可证编号：京B2-20210330
客服在线
立即咨询