七周成為數據分析師：寫給新人的資料庫指南

作者：秦路 公眾號：秦路（tracykanc）

配套七周成為數據分析師視頻教程：磨劍之作，七周成「師」！秦路主講，七周成為數據分析師

本文是《如何七周成為數據分析師》的第九篇教程，配套視頻教程：磨劍之作，七周成「師」！秦路主講，七周成為數據分析師，如果想要了解寫作初衷，可以先行閱讀七周指南。溫馨提示：如果您已經熟悉資料庫，大可不必再看這篇文章，或只挑選部分。

我們進入第四周資料庫的內容，在數據分析師的職業生涯中，資料庫與SQL會是他們性價比最高的技能之一。

資料庫是邏輯上的概念，它是一堆互相關聯的數據，放在物理實體上，是一堆寫在磁碟上的文件，文件中有數據。這些最基礎的數據組成了表(table)，我們把它想像成一張Excel的sheet。

數據表的抽象概念如上圖。

ID是資料庫中重要的概念，叫做唯一標識符／主鍵，用來表示數據的唯一性。我們把它理解成數據的身份證號。我知道身份證，也就知道數據在哪裡了。

ID不會有現實的業務意義，就是一串單純的數字，每張表只能有一個主鍵。

資料庫是表的集合，一個資料庫中可以放多張表，我們給每張表命名，表與表之間能互相聯繫。

聯繫就是數據能夠對應匹配，正式名稱叫聯接，對應的操作叫做Join，我們想像成Excel中的vlookup。

上面就是兩張表，用戶和教育背景，看上去能夠使用姓名進行匹配，可是這裡出現了兩個張三，一個是北京大學，一個是上海大學，究竟哪個張三才能和用戶表的張三對應上？都不能。

也許清華大學還有張三，復旦大學，交通大學也有，畢竟全中國姓名相同的人那麼多。正確的用法應該是使用ID聯接，而不是姓名。ID是產品、運營和數據人員們在工作中接觸最多的內容之一，用戶ID文章ID商品ID等，如果大家還不了解，這裡需要掌握。

上圖就是正確的用法，用戶表和教育表能夠通過ID聯接，可能有人疑問，用戶ID為1和6的，還是不能對應呀？這個不要緊，因為在資料庫中，不是所有的表都能一一對應，存在部分匹配的可能性，也許那個叫秦路的，他沒讀過書，教育背景表中自然沒有記錄了。

當然，資料庫的設計還要更嚴謹，一般每張表都會有主鍵（主鍵不是必須，但是從效率優化上肯定會加），這個主鍵也不能是其他表的主鍵，防止產生衝突。

這樣就靠譜了，用戶ID是用戶表的主鍵，教育背景ID是教育背景表的主鍵，我們在教育背景表中加入一個欄位叫用戶ID，它是專門用來聯接用戶表的，它不是主鍵。

是不是有點繞？實際上，並不是所有名字帶ID的都叫主鍵，這一點要搞清楚。

資料庫中，表的名字和欄位應該是英文。如果是主鍵，只要叫id即可，你要關聯其他表，則以「表名_id」作為聯接。

關聯後的邏輯如下，這種方式叫全聯接，匹配不上的都用Null表示，匹配上的我用橙色表示。聯接是關係型資料庫中的核心概念，是操作的基礎，現在迷糊不要緊，多練習幾次就好了。

如果現在我有一張新的表，需要關聯education，聰明的你也一定想到方法了吧。

了解上面的概念，你就知道什麼叫關係型資料庫，簡單說，它是由多張能互相聯接的二維行列表格組成的資料庫。

關係型資料庫是基於關係代數模型發展而來。常用的資料庫有SQL Server、MySQL、Oracle等，我們後續學習都以MySQL為主。

接下來是安裝MySQL。

我們去MySQL的官網下載，版本5.6以上即可。

按照教程完成後，我們通過命令行查詢知否成功，Win和Mac的操作不一樣。

我們當然不會在這麼丑的界面上操作MySQL啦，我們還需要安裝GUI，這是為我們提供操作界面的。

Mac用戶推薦SequealPro，Win用戶推薦WorkBench。後續我會在SequealPro操作。MySQL的默認用戶名和密碼均是root，建議重新設置一下。

如果大家有疑問，可以去網上搜索相關教程，不安裝MySQL也是可以的。因為數據分析師大多數情況是用在線數據查詢平台操作，安裝只是為了方便演示。不想要安裝的同學，可以在SQLZoo練習，以後我也會講解。

輸入賬號密碼後進入操作界面，資料庫我命名為qin。左側欄是資料庫中的Table列表，現在為空。右側是表相關的操作和信息。

因為現在沒有數據，我們載入曾經使用過的練習數據。數據分析師不需要學習如何創建刪除增改表的操作，因為用不到，我只會講解查詢，大家有興趣可以自行了解。

任何MySQL的GUI工具，都能載入CSV，一般叫import。

Encoding選擇Autodetect，其餘按默認。

接下來需要設置各欄位的數據類型，系統會幫我們自動選上，這裡不用改動。int代表整數數值，varchar代表字元串(中文英文標點符號這類)，括弧裡面的數字是允許存儲位元組，這塊也不要深入理解，只要知道常用的欄位類型即可。

給表取個名字，載入後，就將CSV成功導入到資料庫了，能夠進行數據查詢的操作。

這張表沒有設置主鍵，主要是練習，所以跳過了這一步驟。

大家可能會遇到導入的數據是亂碼，這是系統編碼之間的差異，是utf8和gbk之間的衝突，網上有相關解答，搜索關鍵詞即可。

到這裡，大家已經成功地在自己電腦上創建了資料庫。我們在之前文章已經針對練習數據進行了Excel操作、BI分析，接下來學習SQL。可能你們也猜到了，後續還會有統計學、Python編程。

下一章，便是講解查詢語言SQL。

磨劍之作，七周成「師」！秦路主講，七周成為數據分析師 磨劍之作，七周成「師」！秦路主講，七周成為數據分析師

關鍵字：已有 2000 人學習 數據分析思維、業務、Excel、數據可視化、MySQL、統計學、Python

推薦閱讀：