standardy:csv:seznam-v-buňce

Rozdíly

Zde můžete vidět rozdíly mezi vybranou verzí a aktuální verzí dané stránky.


Předchozí verze
—standardy:csv:seznam-v-buňce [2020/06/03 07:37] (aktuální) – upraveno mimo DokuWiki 127.0.0.1
Řádek 1: Řádek 1:
 +====== Seznam či strukturovaná hodnota v jedné buňce ======
 +Soubor ve formátu CSV by měl být obrazem tabulky v relační databázi, nejlépe tak, aby do ní šel přímo nahrát, a aby se s daty co nejsnadněji pracovalo.
 +Příklad CSV souboru z datové sady "Číselníky pro volby 2016", který porušuje základní poučku o tom, jak má vypadat databázová tabulka ([[https://en.wikipedia.org/wiki/First_normal_form|první normální forma]]):
 +<code csv>
 +VSTRANA,NAZEVCELK,SLOZENI,TYPVS
 +299,"Koalice CZ, COEX, NEZ, ODA","013,072,088,133",K
 +300,"Koalice ČSNS, SV SOS","002,101",K
 +301,"Koalice KSČM, SZ","005,047",K
 +459,"Sdružení SZ, US-DEU, NK","005,080,102",D
 +461,"Sdružení NV, NK","080,163",D
 +462,"Sdružení SNK ED, SD-SN, SOS, SZ, US-DEU, NK","005,080,102,103,129,143",D
 +</code>
  
 +Sloupec ''SLOZENI'' totiž obsahuje čárkou oddělený seznam ID stran, které tvoří koalici.
 +Pokud bych se tedy chtěl zeptat například na to, které strany tvoří koalici s ID ""459"", jsem odkázán na zpracovávání řetězců v databázovém jazyce místo toho, abych se zeptal zcela přirozeně pomocí tabulky vazeb mezi stranami, která by určovala příslušnost do koalice.
 +
 +Jsou 2 možnosti řešení.
 +
 +===== Dělení na 2 datové sady =====
 +
 +Toto byly 2 datové sady, "Číselník stran pro volby 2016" a "Příslušnost stran do koalic pro volby 2016".
 +CSV druhé datové sady by vypadalo třeba takto:
 +<code csv>
 +KOALICE,STRANA
 +299,013
 +299,072
 +299,088
 +299,133
 +300,002
 +</code>
 +
 +Pro normalizaci databází se používají různě přísné [[https://en.wikipedia.org/wiki/Database_normalization|normální formy]].
 +[[https://en.wikipedia.org/wiki/First_normal_form|První normální forma]] zakazuje strukturované hodnoty, tedy například seznamy.
 +Je to proto, že se pak s takovou hodnotou nedá rozumně pracovat, a data se musí před použitím předzpracovávat, rozpadat na více tabulek.
 +
 +===== Duplikace řádku =====
 +Druhou možností je seznam rozpadnout do jednotlivých řádků, kde hodnoty ve zbylých sloupcích zůstanou stejné.
 +Tomuto postupu se také říká denormalizovaná tabulka.
 +<code csv>
 +VSTRANA,NAZEVCELK,SLOZENI,TYPVS
 +299,"Koalice CZ, COEX, NEZ, ODA","013",K
 +299,"Koalice CZ, COEX, NEZ, ODA","072",K
 +299,"Koalice CZ, COEX, NEZ, ODA","088",K
 +299,"Koalice CZ, COEX, NEZ, ODA","133",K
 +300,"Koalice ČSNS, SV SOS","002",K
 +300,"Koalice ČSNS, SV SOS","101",K
 +</code>