Las tablas no son hojas de cálculo
Identifica las partes de una tabla y tres diferencias con una hoja de cálculo.
2 partes · 5 y 3 min
Página de muestra. Tu Maestro, una IA, responde tus preguntas gratis sobre esta página.
Ahora que distingues la base de datos del DBMS que la administra y del cliente desde el que envías instrucciones, veamos qué hay dentro de la base de datos. En una base de datos relacional, tus datos viven en tablas. A menudo se supone que “relacional” solo significa varias tablas conectadas, pero la palabra viene de relación, el término matemático para una tabla en sí. Incluso una tabla por sí sola es una relación.
Cuando ejecutas SELECT * FROM customers; en DuckDB, el resultado aparece como una cuadrícula muy parecida a una pestaña de una hoja de cálculo:
SELECT * FROM customers;customer_id | name | city | email | signup_date------------+--------------+---------+---------------------+------------1 | Ana Torres | Austin | ana@example.com | 2024-01-152 | Sam Lee | Denver | sam.lee@example.com | 2024-02-033 | Priya Shah | Austin | priya@example.com | 2024-02-204 | Sam Lee | Chicago | NULL | 2024-03-115 | Marcus Bell | Denver | | 2024-03-286 | Julia Kim | NULL | julia@example.com | 2024-04-097 | Diego Ramos | Chicago | diego@example.com | 2024-04-228 | Hana Sato | Austin | hana@example.com | 2024-05-069 | Leo Martin | Denver | leo@example.com | 2024-05-1910 | Olivia Brown | Chicago | olivia@example.com | 2024-06-01(10 rows)Antes de ver cómo una tabla se comporta de forma distinta a una pestaña de Excel o Google Sheets, identifiquemos sus cuatro partes y los sinónimos que escucharás en los equipos de datos:
- Tabla: una colección con nombre de filas que comparten las mismas columnas. Esta tabla se llama
customersy tiene 10 filas y cinco columnas. - Columna (o campo): una sección vertical con nombre que contiene un atributo específico de cada registro. Las cinco columnas de
customerssoncustomer_id,name,city,emailysignup_date. - Fila (o registro): una entrada horizontal completa que describe un elemento o una persona. Por ejemplo, el registro con
customer_id3es Priya Shah enAustin, y el registro concustomer_id8es Hana Sato. - Valor: un dato individual en la intersección de una fila y una columna, como
Austinen la columnacityde Priya Shah (customer_id3), o2024-03-11ensignup_dateparacustomer_id4.
Una hoja de cálculo también organiza datos en filas, columnas y celdas. Pero debajo de esa cuadrícula visual, una tabla de base de datos se aparta de las reglas de las hojas de cálculo en tres aspectos.
Las columnas tienen tipos declarados, no celdas libres
En una hoja de cálculo puedes escribir un número en C2, una nota en C3 y una fórmula en C4. En las tablas de DuckDB de este curso, cada columna tiene un tipo declarado: enteros en
customer_id, fechas ensignup_datey texto enname,cityyemail. Así, las operaciones funcionan de manera consistente en toda la columna.Los valores se identifican por los datos, no por coordenadas
Una hoja de cálculo asigna a cada celda una dirección como B4 o D9, formada por la letra de su columna y el número de su fila. Una tabla SQL no tiene letras de columna ni coordenadas de fila fijas. Especificas un valor nombrando su columna e identificando la fila mediante sus valores.
El orden de las filas pertenece a tu consulta, no a la tabla
En una hoja de cálculo, la fila 3 nombra una posición entre las filas 2 y 4, aunque al ordenar cambie el registro que ocupa ese lugar. Una tabla SQL es una colección de registros sin un orden de filas garantizado y portable; si necesitas una secuencia específica en tu resultado, debes pedirla en la consulta con
ORDER BY.
Veamos cómo se manifiestan esas tres diferencias en la tabla customers de arriba.
Tipos declarados y NULL frente a cadenas vacías
En DuckDB y PostgreSQL, el tipo declarado de una columna rige para todas sus filas. No todos los motores SQL manejan los tipos igual: SQLite usa tipos de columna flexibles de forma predeterminada, salvo que crees tablas STRICT, una diferencia que veremos después. Pero en las tablas del curso, una columna de fecha contiene fechas y una columna de enteros contiene enteros.
Compara el valor de email de customer_id 4 (Sam Lee en Chicago) con el de customer_id 5 (Marcus Bell en Denver). Sam Lee en Chicago tiene NULL, mientras que Marcus Bell tiene una cadena vacía (""), que se muestra como un espacio en blanco. En una hoja de cálculo, ambos parecen celdas vacías. En SQL, NULL (que también aparece en city para Julia Kim, con customer_id 6) es un marcador especial que indica que un valor falta o es desconocido; una cadena vacía, en cambio, es texto conocido con cero caracteres. En el módulo 2 aprenderás cómo se comportan los tipos y NULL. Si quieres otra explicación de la diferencia entre NULL y texto vacío, pregúntale a tu Maestro.
Por qué el orden visual de las filas puede engañarte
En el resultado de customers de arriba, customer_id aparece ordenado del 1 al 10. Eso no significa que un motor de base de datos mezcle las filas al azar cada vez que las lee: DuckDB conserva el orden de inserción en muchas operaciones sencillas, y por eso aquí las filas parecen fijas. Tampoco SQL prohíbe las filas duplicadas, salvo que la tabla se defina con restricciones que las impidan. Lo que SQL no ofrece es una garantía portable del orden de las filas de la tabla: después de actualizaciones, ejecución en paralelo o una migración a otro DBMS, la misma consulta SELECT * FROM customers; puede devolver las filas en otro orden. En el módulo 3 usarás ORDER BY siempre que el orden del resultado importe.
De las coordenadas de una hoja a los valores de una tabla
Ejemplo resuelto · 3 pasos
Supón que quieres la ciudad de Priya Shah o la fecha de registro del Sam Lee que vive en Chicago, de la tabla customers. En una hoja de cálculo quizá buscarías el número de fila y harías clic en C4 o E5. ¿Cómo identificas cada valor en términos de una base de datos?
Piensa el siguiente paso por tu cuenta y luego ábrelo para comparar.
Buen lugar para parar. Después: parte 2 de 2 · 3 min
Pruébalo
Usa la transcripción de customers de arriba para responder las dos preguntas de abajo. En la primera, busca a la persona en la tabla y describe el valor que quieres mediante un nombre de columna y un valor identificador, en lugar de una coordenada de cuadrícula. En la segunda, piensa qué promete una tabla SQL, y qué no promete, cuando ejecutas una consulta sin ORDER BY. Si quieres revisar cualquiera de los escenarios antes o después de responder, pregúntale a tu Maestro.
A continuación compararás las tablas SQL con otra herramienta que quizá ya conoces: los DataFrames de Python y R.