3.5.1 数据库路线图：不只存在一个文件里的表

本节是第 3 章的选修内容。想知道真实项目的数据在变成 CSV 或 DataFrame 之前存在哪里，就读它。

先看数据库地图

先记住这个对比：

CSV 或 DataFrame	数据库
适合一次本地分析	适合长期共享数据
方便移动	更适合查询、权限和更新
通常是一个文件或一张表	往往是多张有关联的表

你不需要在这里成为 DBA，只需要能查询数据，并把结果接到 Python。

先跑一次 SQLite 查询

创建 sqlite_first_loop.py。它使用 Python 自带的 sqlite3。

import sqlite3

conn = sqlite3.connect(":memory:")
conn.execute("CREATE TABLE orders (category TEXT, amount INTEGER)")
conn.executemany(
    "INSERT INTO orders VALUES (?, ?)",
    [("book", 120), ("tool", 80), ("book", 150)],
)

rows = conn.execute(
    "SELECT category, SUM(amount) AS total FROM orders GROUP BY category ORDER BY category"
).fetchall()

for category, total in rows:
    print(category, total)

预期输出：

book 270
tool 80

这就是数据库主循环：建表、插入记录、用 SQL 提问、得到结果表。

按这个顺序学

顺序	阅读	练什么
1	3.5.2 关系型数据库基础	表、行、列、主键、外键
2	3.5.3 SQL 基础	SELECT、WHERE、JOIN、GROUP BY
3	3.5.4 Python 数据库操作	sqlite3、Pandas 读写、查询结果
4	3.5.5 数据库设计	拆表、减少重复、保持关系清晰

通过标准

能解释数据库和 CSV 的区别，写出一个 SELECT ... GROUP BY 查询，并用 Python 读取结果，就算通过这个选修小节。

检查思路与讲解

1. 合格答案要先说清问题，再指出需要的表、DataFrame 或 SQL 查询，并让清洗步骤可以复现。
2. 证据至少包含一小段输出、必要的图表或查询结果，以及一句对结果的解释。
3. 自检时要能说出一个数据质量风险，例如缺失值、重复行、错误 join、聚合误导或图表难读。

留下的证据

学完这一页，至少保留这张证据卡：

架构

表名、键、关系和示例行

查询

所使用的 SQL 或 Python 数据库代码

输出

结果行、行数，或保存的抽取结果

失败检查

错误的连接键、不安全查询、缺少事务，或 schema 不匹配

期望产出

查询、结果表和一条数据质量说明