Una base de datos es una colección de datos organizada en diferentes tablas. Existen varios tipos de bases de datos, siendo las más utilizadas: las planas y las relacionales. Por un lado, en una base de datos plana toda la información sobre cualquier evento u operación se almacena en una sola fila en una sola tabla grande. Por otra parte, encontramos las bases de datos relaciones las cuales pueden utilizar el lenguaje de consulta estructurado (SQL) para acceder y actualizar los datos de forma organizada. SQL (pronunciado como s-q-l) significa Structured Query Language. Es un lenguaje para la gestión de datos en una base de datos. La base de datos relacional fue inventada en 1970 por E. F. Codd, entonces un joven programador de IBM. En su trabajo, “A Relational Model of Data for Large Shared Data Banks” , Codd propuso pasar del almacenamiento de datos en estructuras jerárquicas o de navegación a la organización de datos en tablas que contienen filas y columnas.

SQL se utiliza para buscar y encontrar datos de varias tablas en una base de datos SQL. En esta configuración, los datos se separan en tablas. Los datos de las diferentes tablas pueden ser combinados y extraídos usando SQL. Cada tabla, que a veces se denomina relación, en una base de datos relacional contiene una o más categorías de datos en columnas, también llamadas atributos. Cada fila, también llamada registro o tupla, contiene una instancia única de datos, o clave, para las categorías definidas por las columnas. Cada tabla tiene una clave primaria única, que identifica la información de una tabla. La relación entre tablas se puede establecer mediante el uso de claves externas, un campo de una tabla que enlaza con la clave primaria de otra tabla.

Trabajar con bases de datos SQL y Python

Para trabajar con este tipo de datos, la forma más común es mediante la librería llos generalmente necesitaríamos escribir consultas SQL en bruto, pasarlas al motor de base de datos y analizar los resultados devueltos como una matriz normal de registros.

SQLAlchemy proporciona una buena forma “pitónica” de interactuar con las bases de datos. Así que en lugar de tratar con las diferencias entre dialectos específicos de SQL tradicional como MySQL o PostgreSQL u Oracle, puedes aprovechar el marco pitónico de SQLAlchemy para agilizar su flujo de trabajo y consultar sus datos de forma más eficiente.

➡ Te invitamos a nuestro Curso Python de Análisis de Datos:

Curso de Análisis de Datos