非关系型数据实战：从电子表格公式到 NoSQL 文档数据库（Data Science for Beginners 第 6 课）

非关系型数据实战：从电子表格公式到 NoSQL 文档数据库（Data Science for Beginners 第 6 课）

【免费下载链接】Data-Science-For-Beginners10 Weeks, 20 Lessons, Data Science for All!项目地址: https://gitcode.com/GitHub_Trending/da/Data-Science-For-Beginners

本篇文章是 Data-Science-For-Beginners 课程“Working with Data”模块的核心一课，系统讲解关系型数据库之外的两类数据载体：电子表格与NoSQL 数据库。你将掌握工作簿/工作表/单元格的基本结构、公式与函数的用法，并在此基础上深入 NoSQL 的四大分类（键值、图、列族、文档），最终通过Azure Cosmos DB 模拟器完成从建库、导入 JSON 数据到编写 SQL 查询的完整本地实操。文中所有示例与数据文件均来自本仓库2-Working-With-Data/06-non-relational目录，可直接对照练习。

一、电子表格：最轻量的数据存储与分析工具

电子表格之所以成为数据存储和探索的流行工具，是因为它上手门槛低、启动成本小。本课示例以 Microsoft Excel 演示，但绝大多数电子表格软件（Google Sheets、WPS、LibreOffice Calc 等）的组件名称与操作步骤都大同小异。

1.1 核心概念：工作簿、工作表与单元格

一个电子表格文件（Spreadsheet）可以在计算机、移动设备或云文件系统上访问，软件本身可能是浏览器版，也可能需要安装为应用程序。在 Excel 中，这类文件被称为工作簿（Workbook），本课后续统一使用该术语。

一个工作簿包含一个或多个工作表（Worksheet），每个工作表通过**选项卡（Tab）**标识。工作表内部由矩形区域——**单元格（Cell）**组成，数据就存放在单元格中：

• 单元格是行与列的交叉点，列用字母标识（A、B、C…），行用数字标识（1、2、3…）；
• 因此每个单元格有唯一的地址，例如第 3 行第 B 列记为B3；
• 部分表格会在前几行设置表头（Header），用来描述下方各列单元格中数据的含义。

本仓库中的示例文件 InventoryExample.xltm 是一个带格式的库存管理表，来自 Microsoft Templates，它包含三个工作表，选项卡分别名为“Inventory List”（库存清单）、“Inventory Pick List”（拣货清单）和“Bin Lookup”（货位查询）。其中 Inventory List 工作表的第 4 行是表头，描述对应列每个单元格的取值含义。

1.2 公式：让单元格之间产生依赖关系

很多时候，一个单元格的值依赖其他单元格计算而来。例如库存清单追踪了每件商品的成本，但如果想知道整个库存的总价值该怎么办？这时就需要公式（Formula）——公式对单元格数据执行运算。

在本例的库存清单中，Inventory Value（库存价值）列就使用了公式：用 QTY（数量）表头下的单元格乘以COST（成本）表头下的单元格，算出每件商品的价值。操作要点：

• 双击或选中单元格即可看到其背后的公式；
• 公式一律以等号=开头，后面紧跟计算或运算表达式；
• 例如某行第 D 列的价值公式形如=B5*C5（具体行列以实际文件为准），意为“数量 × 成本”。

1.3 函数：预定义的高效计算

要得到库存总价值，可以再写一个公式把 Inventory Value 列的所有值累加起来。手动逐个单元格相加虽然可行，但非常繁琐。Excel 为此提供了函数（Function）——执行计算的预定义公式。

函数的使用有两个关键点：

1. 函数需要参数（Arguments）：参数是计算所需的值；
2. 多参数必须按正确顺序列出：顺序错误可能导致计算结果不正确。

本例中使用的SUM函数，以 Inventory Value 列的取值作为参数，累加后把总额显示在第 3 行、第 B 列，即单元格B3，形如=SUM(D5:D20)（实际范围以文件为准）。这类函数化的计算方式正是后续数据分析（如 8 课的数据准备、9–13 课的数据可视化）中做聚合运算的思维起点。

二、NoSQL：非关系型数据的四种分类

NoSQL是“存储非关系型数据的不同方式”的总称，其含义可解读为“non-SQL”（非 SQL）、“non-relational”（非关系型）或 “not only SQL”（不仅仅是 SQL）”。NoSQL 数据库系统大体可分为四种类型。

2.1 键值数据库（Key-Value）

键值数据库以键值对形式存储数据：每个唯一键（Unique Key）是关联到某个值的唯一标识符。这些键值对通过**哈希表（Hash Table）**配合合适的哈希函数来组织存储，因此查找复杂度低、读写速度快，常用于缓存、会话管理等场景。典型实现如 Redis、Azure Cosmos DB 的键值 API。

2.2 图数据库（Graph）

图数据库用于描述数据之间的关系，表示为**节点（Node）与边（Edge）**的集合：

• 节点代表一个实体（Entity），即现实世界中存在的事物，例如一名学生或一张银行对账单；
• 边代表两个实体之间的关系；
• 节点和边都可以携带属性（Properties），提供关于该节点/边的附加信息。

图数据库擅长处理社交网络、推荐系统等关系密集型场景。

2.3 列族数据库（Columnar）

列族（Columnar）数据存储与关系型结构类似，同样按行和列组织数据，但列被划分为若干“列族（Column Family）”：同一列族下的所有数据彼此相关，可以作为一个整体单元被检索或修改。典型实现如 Apache Cassandra、HBase，适合大规模、稀疏数据的场景。

2.4 文档数据库（Document）

文档数据存储在键值存储的概念之上做了扩展，由一系列**字段（Fields）与对象值（Object Values）**构成——字段描述对象值的含义。文档数据库的每个文档类似一个 JSON 对象，可以嵌套结构，schema 灵活。这正是下一节将用 Azure Cosmos DB 模拟器动手实践的类型。

三、用 Azure Cosmos DB 模拟器实战文档数据库

Cosmos DB 完全符合“Not Only SQL”的定义：它的文档数据库依赖 SQL 来查询数据。上一课 关系型数据库基础 介绍的 SQL 语言基础知识，在这里几乎可以直接复用。

**Cosmos DB 模拟器（Emulator）**让你在本地计算机上创建和探索文档数据库，无需云订阅。你可以为 Windows 下载安装模拟器；macOS 与 Linux 用户则可参考官方文档中的运行方式。启动后，模拟器会在浏览器窗口中打开，其Explorer（资源管理器）视图用于浏览文档。

3.1 文档长什么样

文档是字段与对象值的集合，字段描述对象值所代表的内容。以下是一个典型文档示例（来自课程原文）：

{ "firstname": "Eva", "age": 44, "id": "8c74a315-aebf-4a16-bb38-2430a9896ce5", "_rid": "bHwDAPQz8s0BAAAAAAAAAA==", "_self": "dbs/bHwDAA==/colls/bHwDAPQz8s0=/docs/bHwDAPQz8s0BAAAAAAAAAA==/", "_etag": "\"00000000-0000-0000-9f95-010a691e01d7\"", "_attachments": "attachments/", "_ts": 1630544034 }

其中值得关注的业务字段是firstname、id和age；其余带下划线前缀的字段（_rid、_self、_etag、_attachments、_ts）由 Cosmos DB 自动生成，分别对应资源 ID、资源自链接、实体标签、附件引用和时间戳，一般无需手动维护。

3.2 探索示例数据：从 SampleDB 到 Persons 容器

如果跟随操作，请在模拟器界面点击“Start with Sample”（以示例开始），系统会生成名为SampleDB的示例数据库。展开 SampleDB，会看到一个名为Persons的容器（Container）：

• 容器存放一组条目（Items），条目即容器内的文档；
• 展开Persons容器下的Items，可以看到4 个示例文档。

3.3 用 SQL 查询文档数据

模拟器支持直接对文档数据执行 SQL 查询：点击“New SQL Query”（新建 SQL 查询）按钮（左侧起第二个按钮），即可输入查询语句。

查询 1：取回容器内全部文档

SELECT * FROM c

查询 2：加 WHERE 子句过滤，找出年龄小于 40 的人

SELECT * FROM c where c.age < 40

该查询返回两个文档，注意每个返回文档的 age 值都小于 40。这里的c是文档的别名（alias），c.age即访问文档的age字段——这与关系型数据库中的表别名用法一脉相承，印证了“Not Only SQL”中 SQL 的复用价值。

3.4 JSON 与文档：API 数据直达数据库

如果你熟悉 JavaScript Object Notation（JSON），会发现文档与 JSON 高度相似。本目录下的 PersonsData.json 包含额外的数据（Christophe、Prema、Arthur、Zoe、Keisha、Jackie 六条记录，每条含firstname与age字段），可以通过模拟器中的Upload Item（上传条目）按钮上传到 Persons 容器中。

绝大多数情况下，返回 JSON 数据的 API 可以把响应直接存入文档数据库——无需额外建表或字段映射。下面是课程提供的另一个文档示例，它来自 Microsoft Twitter 官方账号，经由 Twitter API 抓取后插入 Cosmos DB：

{ "created_at": "2021-08-31T19:03:01.000Z", "id": "1432780985872142341", "text": "Blank slate. Like this tweet if you've ever painted in Microsoft Paint before. https://t.co/cFeEs8eOPK", "_rid": "dhAmAIUsA4oHAAAAAAAAAA==", "_self": "dbs/dhAmAA==/colls/dhAmAIUsA4o=/docs/dhAmAIUsA4oHAAAAAAAAAA==/", "_etag": "\"00000000-0000-0000-9f84-a0958ad901d7\"", "_attachments": "attachments/", "_ts": 1630537000 }

这里值得关注的字段是created_at（发布时间）、id（推文 ID）与text（推文正文）。

四、动手挑战：上传 Twitter 数据并完成 LIKE 查询

课程附带一份 TwitterData.json，其中包含 10 条真实的 Microsoft 官方推文数据（字段为created_at、id、text）。建议把它上传到 SampleDB 数据库的独立新容器中，步骤如下：

1. 点击右上角的“New Container”（新建容器）按钮；
2. 选择已有数据库（SampleDB），为容器创建一个Container ID；
3. 将**分区键（Partition Key）**设置为/id；
4. 点击OK（这是本地运行的小数据集，其余设置可以忽略）；
5. 打开新建的容器，用Upload Item按钮上传 TwitterData.json 文件。

随后尝试运行几条 SELECT 查询，找出text 字段中包含 “Microsoft”的文档。提示：可以使用 Cosmos DB 的LIKE关键字配合通配符%，例如：

SELECT * FROM c WHERE c.text LIKE '%Microsoft%'

这一挑战完整串起了本课的核心能力：建容器 → 设分区键 → 导入 JSON → SQL 模糊查询，与后续课程中用 Python 处理数据（第 7 课 Python 基础）以及数据准备（第 8 课数据准备）形成互补的数据处理链条。

五、作业：Soda Profits 利润计算

配套作业 Soda Profits 要求补全 CocaColaCo.xlsx 中缺失的计算：

1. 计算 FY '15、'16、'17、'18 的毛利润（Gross Profit）：毛利润 = 净营业收入（Net Operating revenues）− 销售成本（Cost of goods sold）；
2. 用函数计算所有毛利润的平均值：平均值 = 毛利润之和 ÷ 财年数（10），可参考AVERAGE函数文档；
3. 该文件是 Excel 格式，但在任何电子表格平台（Google Sheets、WPS 等）中都可以编辑。

六、复习与延伸学习

• 本课没有覆盖电子表格的全部格式与功能，如需深入学习 Excel，微软官方提供了大量的文档与视频库；
• 想系统了解非关系型数据各类别的特征，可参阅架构文档《Non-relational Data and NoSQL》；
• Cosmos DB 作为云端非关系型数据库，同样支持本课讨论的多种 NoSQL 类型，可通过 Microsoft Learn 的《Work with NoSQL data in Azure Cosmos DB》路径进一步学习。

总而言之，本课从“人人都能上手”的电子表格出发，递进到 NoSQL 的四大分类，最后落到 Cosmos DB 模拟器的文档数据库实战，帮你建立起一套完整的非关系型数据认知与操作框架——无论是在日常工作中用函数快速聚合数据，还是为应用程序设计文档型数据存储，都能直接派上用场。

【免费下载链接】Data-Science-For-Beginners10 Weeks, 20 Lessons, Data Science for All!项目地址: https://gitcode.com/GitHub_Trending/da/Data-Science-For-Beginners