SQL là một ngôn ngữ tuyệt vời để học và tôi lập luận rằng bạn cần hiểu SQL liệu bạn có phải là lập trình viên của các ngôn ngữ khác hay không. Tôi là một nhà phát triển cơ sở dữ liệu, vì vậy phần lớn những gì tôi làm là trong SQL, tuy nhiên tôi cũng biết một chút C#, PowerShell và Dax cho việc lưu trữ dữ liệu.
Cho dù bạn học SQL trước hay không tôi không nghĩ vấn đề. Như nhiều người khác đã tuyên bố SQL không giống như các ngôn ngữ khác. Là một nhà khoa học dữ liệu, bạn sẽ chỉ cần viết SQL có thể mang lại các bộ dữ liệu để xem xét? Hoặc bạn sẽ cần viết các tập lệnh và quy trình SQL động, thao tác dữ liệu từ nhiều nguồn và kết hợp chúng theo nhiều cách khác nhau? Cái này rất khác với cái kia.
Tôi đoán [theo nghĩa đen không biết] rằng với tư cách là một nhà khoa học dữ liệu, bạn sẽ sử dụng SQL nhiều hơn so với các chương trình khác. Vì vậy, học SQL và trở thành một chuyên gia. Hiểu lý thuyết thiết lập giống như mặt sau của bàn tay của bạn. Tìm hiểu cách mô hình hóa và tạo cơ sở dữ liệu quan hệ là tốt. Bạn có thể đi xuống nhiều con đường với một bộ kỹ năng mạnh mẽ trong các lĩnh vực này. Cũng cầu nguyện bất cứ nơi nào bạn đi rằng họ có cơ sở dữ liệu quan hệ ở dạng bình thường thứ 3 và nếu họ không trình bày ngay lập tức cho người phụ trách tại sao họ nên tạo một mô hình dữ liệu mới trong 3NF.
Đối với các ngôn ngữ khác như Python, nếu bạn hiểu những điều cơ bản về lập trình, cú pháp thực sự là sự khác biệt. Vì tôi biết một số C#, tôi thường có thể nhìn vào một ngôn ngữ khác và ít nhất là hiểu chương trình đang làm gì, mặc dù viết nó sẽ khó khăn. Tất cả các ngôn ngữ đều có khả năng cho phép bạn làm những việc tương tự như trình tự, lựa chọn hoặc lặp lại chẳng hạn. Dù sao thì bạn cũng sẽ cần hiểu những thứ này nếu bạn cần viết SQL thủ tục, như T-SQL hoặc PL-SQL.
Tôi nên học Python hay R trong Khoa học dữ liệu?
Ngôn ngữ lập trình R là lý tưởng để học toán học và phân tích dữ liệu, với các thư viện không chuẩn để phân tích và kiểm tra dữ liệu. Python là ngôn ngữ tốt nhất cho các công cụ học tập và các ứng dụng lớn, đặc biệt là phân tích dữ liệu trong các ứng dụng web.
Python có thể thực hiện các chức năng tương tự như R: Đối số dữ liệu, Kỹ thuật, Lựa chọn tính năng, Trải nghiệm web, Ứng dụng, v.v. Python, mặt khác, dễ dàng và đơn giản hơn nhiều so với R. Trên thực tế, nếu bạn cần sử dụng kết quả tìm kiếm của mình trong một ứng dụng hoặc trang web, Python là lựa chọn tốt nhất.
R là đáng để học vì ngày nay nó có nhu cầu cao trên thị trường. R là ngôn ngữ lập trình phổ biến nhất được sử dụng bởi các nhà phân tích dữ liệu và nhà khoa học dữ liệu. Nó là nguồn mở và miễn phí, và được sử dụng trong các dự án chính của phân tích dữ liệu.
R là một ngôn ngữ khó hơn Python?
Nhìn chung, giao diện Python dễ đọc làm cho nó tương đối đơn giản để học. R có đường cong học tập dốc ở đầu tiên, nhưng một khi bạn hiểu cách sử dụng các tính năng của nó, nó sẽ dễ dàng hơn rất nhiều cho phân tích của bạn. MIPO: Một khi bạn đã học một ngôn ngữ lập trình, thường dễ học khác hơn.
Mã Python dễ bảo trì và mạnh hơn ngôn ngữ R hơn. Gần đây, Python đã cung cấp các API có giá trị cho việc học máy hoặc trí thông minh nhân tạo. Hầu hết các công việc khoa học dữ liệu có thể được thực hiện với các thư viện python: numpy, gấu trúc, scipy, scikit-learn và seeborn.
SQL có tốt hơn Python để phân tích dữ liệu không?
Python, R và SQL là ba ngôn ngữ lập trình cần thiết cho khoa học dữ liệu. Không có kỳ quan thực sự ở đó. Tuy nhiên, việc có thể lập trình trong SQL đang trở nên ít quan trọng hơn. Điều này cho thấy rằng, cuối cùng, bạn nên tập trung nhiều hơn vào R hoặc Python hơn SQL.
Một điều cần nhớ là SQL là bước đầu tiên lớn đối với một số ngôn ngữ phức tạp hơn [Python, R, JavaScript, v.v.]. Một khi bạn hiểu cách một máy tính nghĩ, thật dễ dàng để học một ngôn ngữ lập trình mới để phân tích dữ liệu của bạn.
Khi các truy vấn trở nên phức tạp hơn, bạn sẽ nhận thấy rằng liên kết SQL khó đọc hơn so với giao diện Python, vẫn không thay đổi.
Nếu đường dẫn liên quan đến SQL, tải và chỉnh sửa dữ liệu, nó sẽ nhanh hơn mã ngôn ngữ máy chủ như Python.
R mã hóa có khó không?
R yêu cầu rất nhiều việc học tại lần đầu tiên, nhưng một khi bạn hiểu cách sử dụng các tính năng của nó, nó sẽ dễ dàng sử dụng hơn rất nhiều để lập trình.
Nếu bạn có kinh nghiệm trong bất kỳ ngôn ngữ lập trình nào, phải mất khoảng 7 ngày để tìm hiểu chương trình R nếu bạn dành ít nhất 3 giờ mỗi ngày. Nếu bạn là người mới bắt đầu, phải mất 3 tuần để học R.
R là một ngôn ngữ tuyệt vời cho người mới bắt đầu chuẩn bị học lập trình và bạn không cần bất kỳ kinh nghiệm ban đầu nào với mã để tham gia vào nó. Ngày nay, R dễ học hơn bao giờ hết nhờ bộ sưu tập gói.
R có tiếng là khó học các văn hóa di. Một số điều này là do thực tế là nó khác với phần mềm phân tích khác.
Python so với SQL | Ưu và nhược điểm
Khoảng hai mươi năm trước, chỉ có một số ngôn ngữ lập trình mà một kỹ sư phần mềm sẽ cần phải biết rõ. Thậm chí hồi đó, ngôn ngữ truy vấn có cấu trúc hoặc SQL, là ngôn ngữ tiếp theo khi bạn cần hiểu rõ hơn về một số dữ liệu, tìm nạp hồ sơ và sau đó rút ra kết luận sơ bộ, cuối cùng, có thể dẫn đến một báo cáo hoặc viết một ứng dụng . & nbsp;. Even back then, Structured Query Language, or SQL, was the go-to language when you needed to gain quick insight on some data, fetch records, and then draw preliminary conclusions that might, eventually, lead to a report or to writing an application.
Ngày nay, dữ liệu có nhiều hình dạng và định dạng, không nhất thiết đồng nghĩa với cơ sở dữ liệu quan hệ lâu hơn nữa. Dữ liệu tồn tại trong các tệp CSV, văn bản thuần túy và trên web, cũng như ở nhiều định dạng khác nhau. Chính trong mê cung dữ liệu này, bộ công cụ thư viện rộng lớn của Python tỏa sáng.
Với một tập hợp lớn các thư viện trợ giúp và các nền tảng liên quan, Python là một ngôn ngữ lập trình tuyệt vời để khám phá dữ liệu nhanh và lặp. Bộ thư viện Python, bao gồm tất cả mọi thứ, từ trực quan hóa dữ liệu đến phân tích thống kê, giúp các nhà phát triển thuận tiện nhảy vào phân tích dữ liệu và bắt đầu xác định các mẫu.
Sử dụng các trường hợp cho SQL và Python
SQL được thiết kế để truy vấn và trích xuất dữ liệu từ các bảng trong cơ sở dữ liệu. SQL rất giỏi trong việc cho phép bạn là nhà phát triển, kết hợp một cách liền mạch [hoặc hợp nhất] một số dữ liệu với nhau. Kết hợp dữ liệu từ nhiều bảng là một điểm mạnh chính.
Tuy nhiên, SQL được thiết kế để thao tác hoặc chuyển đổi dữ liệu thành các định dạng khác. Các loại thao tác dữ liệu cấp cao là phổ biến trong khoa học dữ liệu, chẳng hạn như phân tích thống kê, kiểm tra hồi quy và thao tác dữ liệu chuỗi thời gian, rất khó để đạt được bằng SQL.
Python, mặt khác, có một thư viện phân tích dữ liệu nổi tiếng có tên là Pandas, được thiết kế đặc biệt để phân tích dữ liệu và thao tác.Pandas, which has been specially designed for data analysis and manipulation.
Python đặc biệt phù hợp với dữ liệu có cấu trúc [bảng] có thể được tìm nạp bằng SQL và sau đó yêu cầu thao tác xa hơn, điều này có thể khó khăn để đạt được chỉ bằng SQL. Điều này dẫn đến câu hỏi sau: Khi nào bạn nên sử dụng Python so với SQL?When should you use Python vs. SQL?
Sự khác biệt SQL và Python
Sử dụng SQL để truy xuất dữ liệu thiết yếu cần thiết cho phân tích, sau đó sử dụng các thư viện Python chuyên dụng để xử lý nó.
Hãy cùng xem một ví dụ bằng cách sử dụng SQL: & NBSP;
Giả sử chúng tôi có bảng cơ sở dữ liệu sau với thông tin khách sạn được gọi là khách sạn. Đây là một bộ dữ liệu mẫu nhỏ của thông tin có trong bảng. Bảng này có thể bao gồm hàng ngàn hoặc hàng triệu hàng [mục], mỗi cái đại diện cho một khách sạn.
| Tên | Thành phố | Đường phố | Giá bán | Tiền tệ | Sao | Điện thoại |
| 1 qua Dei Valeri | la Mã | Thông qua dei valeri 1 | 54 | đô la Mỹ | 5 | |
| 108 phút ký túc xá | Moscow | Malaya Ordynka Street 5/6 Bld.4 App.3 | 24 | đô la Mỹ | 1 | 108 phút ký túc xá |
| Moscow | Moscow | Malaya Ordynka Street 5/6 Bld.4 App.3 | 26 | đô la Mỹ | 1 | 7[967]0130047 |
| 108 phút ký túc xá | Moscow | Malaya Ordynka Street 5/6 Bld.4 App.3 | 14 | đô la Mỹ | 3 | |
| 108 phút ký túc xá | Moscow | Malaya Ordynka Street 5/6 Bld.4 App.3 | 39 | đô la Mỹ | 3 | 108 phút ký túc xá |
| Moscow | Malaya Ordynka Street 5/6 Bld.4 App.3 | 7 [495] 795-4259 | 53 | đô la Mỹ | 3,5 | 33140955600 |
| 108 phút ký túc xá | Moscow | Malaya Ordynka Street 5/6 Bld.4 App.3 | 13 | đô la Mỹ | 2 | 39935766 |
| 108 phút ký túc xá | Moscow | Malaya Ordynka Street 5/6 Bld.4 App.3 | 11 | đô la Mỹ | 1 | |
| 108 phút ký túc xá | Moscow | Malaya Ordynka Street 5/6 Bld.4 App.3 | 22 | đô la Mỹ | 3 | |
| 108 phút ký túc xá | Moscow | Malaya Ordynka Street 5/6 Bld.4 App.3 | 27 | đô la Mỹ | 3 | 2098647-25 |
108 phút ký túc xá
| Moscow | Malaya Ordynka Street 5/6 Bld.4 App.3 | 7 [495] 795-4259 |
| Hostel 1st Arbat tại Novinsky | Novinsky Bulvar 1/2 Ứng dụng 64hotels | Một ký túc xá cộng |
| Prague | Na Florenci 14 13/33hotels LIMIT 3 | hotels.head[3].head[3] |
| Khách sạn Aalborg Amsterdam | AmsterdamName FROM hotels WHERE City = ‘Paris‘ | Sarphatipark 106[hotels.City == ‘Paris‘].Name |
106 - 1073
Adagio Access Vanves Porte de Chatillon
Paris
| Thành phố | Hotel_Count |
| Malaya Ordynka Street 5/6 Bld.4 App.3 | 567 |
| Moscow | 482 |
Malaya Ordynka Street 5/6 Bld.4 App.3Hotel _Count and only select the top ten cities with the largest count. We could do this as follows:
| Malaya Ordynka Street 5/6 Bld.4 App.3 | 7 [495] 795-4259 |
| Hostel 1st Arbat tại NovinskyCity FROM hotels_by_city ORDER BY Hotel_Count DESC LIMIT 10 | Novinsky Bulvar 1/2 Ứng dụng 64.nlargest[10, columns=’Hotel_Count‘] |
Một ký túc xá cộng
Prague
| Malaya Ordynka Street 5/6 Bld.4 App.3 | 7 [495] 795-4259 |
| Hostel 1st Arbat tại NovinskyCity FROM hotels_by_city ORDER BY Hotel_Count DESC LIMIT 10 OFFSET 10 | Novinsky Bulvar 1/2 Ứng dụng 64.nlargest[20, columns=’Hotel_Count‘].tail[10] |
Một ký túc xá cộng
Prague
Na Florenci 14 13/33
Khách sạn Aalborg Amsterdam [pronounced MY Sequel] is the most popular type of SQL database. The super-geek way to refer to this type of SQL database as a relational database management system [or RDBMS]. More or less, that means it’s a database with many tables that link together in some way. All WordPress installations by default are using MySQL.
Amsterdam [often just referred to as “Postgres”] is similar to MySQL but is known to be more durable. However, setting up Postgres for newbies can often be difficult, so if you are new to this, MySQL is probably you’re best bet.
Sarphatipark 106 [pronounced Sequel Lite] is a very portable, and compact database. SQLite is usually best used for testing and very, very simple applications.
106 - 1073
Adagio Access Vanves Porte de Chatillon
Paris
Ngôn ngữ nào để học Python hoặc SQL đầu tiên?
Chúng tôi nghĩ rằng nơi tốt nhất để bắt đầu là bằng cách học & nbsp; SQL. SQL là một công cụ thiết yếu cho bất kỳ loại truy xuất dữ liệu nào từ cơ sở dữ liệu quan hệ, ngay cả khi công việc chính của bạn có ít hoặc không liên quan gì đến phân tích dữ liệu.
Ngay cả khi truy vấn SQL dài hơn gấp mười lần thì tập lệnh Python tương đương, thì cảm giác dễ dàng hơn khi thực hiện tương đương trong Python vì nó đọc như tiếng Anh. Hãy nhớ rằng, học tập tốn nhiều công sức hơn việc đánh máy, và mất nhiều thời gian hơn.
Khi bạn có kiến thức hợp lý về SQL, ít nhất bạn có thể viết một truy vấn kết hợp hai bảng với nhau, cố gắng viết lại một số logic tương tự trong Python bằng Pandas.Pandas.
Biểu đồ so sánh
| Python | SQL | |
| Thành lập | Được tạo ra vào năm 1991 bởi Guido Van Rossum | Được tạo bởi Donald D. Chamberlin và Raymond F. Boyce vào năm 1974 |
| Ưu điểm | Một phạm vi đa năng, năng động, dễ dàng, | Một đường cong học tập rất dễ dàng, cú pháp giống như tiếng Anh. |
| Nhược điểm | Đường cong học tập dốc hơn sau đó SQL | Hầu hết chỉ áp dụng trong cơ sở dữ liệu quan hệ [với một vài ngoại lệ] |
| Thư viện web | Một thư viện cho hầu hết mọi thứ | Không, SQL chỉ là SQL. |
| Loại & nbsp; | Python 2 và Python 3 là hai loại Python phổ biến nhất | MySQL, SQL Server, PostgreSQL, SQLite |
| Cách sử dụng | Google YouTube Dropbox Hầu như mọi công ty công nghệ cao. Hơn nữa, Python được sử dụng rộng rãi trong nhiều tổ chức để khoa học và thăm dò dữ liệu. | Gần như mọi trang web trên Internet đều sử dụng cơ sở dữ liệu SQL cho back-end của nó. |
Cảm ơn Eduardo Freitas vì đã đồng sáng tác và chứng minh tác phẩm này! & NBSP;