波仔
📈 第12章 关系数据库
📄 一句话概括

电子表格只有二维，要把两张表放一起，只能把销量抄到每一行。 12 期 24 篇，销量这一列被写 24 遍，实际只有 12 个不同的值。 直接对这一列求和得 1,285,200，正确值是 642,600——差 2 倍，正好是每期的文章数。

📝 本章和前面几章的关系

上一篇把路线走通了。这一篇把它落到电子表格上，看结构本身会带来什么问题。 摊平不是错，错在把摊平的结果当成数据本来的样子。

一、只能摊平

电子表格是一张二维表：行和列。它没法表达「一期里面有两篇文章」这种嵌套。 要在一张表里同时放主题和销量，唯一办法是把销量抄到每一行。 于是 24 篇文章变成 24 行，每行后面跟上该期的销量。

前两行是同一期的两篇文章，销量一模一样，因为本来就是同一个数。 这不是错误，是二维表格表达一对多的唯一方式。问题在后面。

二、代价一：重复

12 期、每期 2 篇，24 行里销量被写了 24 遍，而实际只有 12 个不同的值。 如果一期有 5 篇文章，销量就要写 5 遍。期数一多，重复量成倍涨。 重复占地方还是小事。真正的问题是它会引诱你算错。

任何「一行一个事实」的表，一旦某列被重复，那个列就不能直接求和。

三、代价二：算错

把「本期销量」这一列直接求和：1,285,200。 把期号表的销量求和：642,600。 差了 2 倍，正好是每期的文章数。因为每一期的销量都被算了两次。

这种错很常见，而且看起来很合理——你只是在求一列的和，Excel 也没报错。 摊平之后，同一个事实变成了多行，任何「整列运算」都会重复计数。

四、代价三：换个问题就白摊

现在想比「文章字数和销量」，得再抄一遍销量，换成字数。 再想比「作者和销量」，又抄一遍。每换一个问题，摊平动作重来一次。 因为摊平的本质是「为某一个特定问题准备的数据形状」。

问题一变，形状就不对了。这是电子表格真正的极限，不是容量。 关系数据库不做这件事：数据按事实分开放，问题来了现接。

五、但图还是画得出来的

话说回来，摊平之后画图很方便：一行就是图上的一点，一列就是一条轴。 按封面主题分组求平均，画成柱状图，四根柱子清清楚楚。 所以电子表格不是没用，它擅长「一次性的、形状固定的」比较。

判断标准是：这个问题会不会问第二遍、换个角度再问一遍。会，就别用摊平表。

六、动手 Demo：电子表格走到极限

把关系摊平成 24 行，看销量列被重复了多少遍。 再演示摊平之后直接求和会错成什么样，以及按主题分组的图。

ISSUES = [
    (1, 52400, "EFF"), (2, 49100, "MONEY"), (3, 58300, "AI"),
    (4, 47800, "MONEY"), (5, 61200, "AI"), (6, 53600, "EFF"),
    (7, 45900, "CAREER"), (8, 46800, "CAREER"), (9, 59700, "AI"),
    (10, 55100, "EFF"), (11, 50300, "MONEY"), (12, 62400, "AI"),
]

# 摊平：一篇文章一行，销量抄到每行
flat = []
for issue, copies, topic in ISSUES:
    for k in range(2):
        flat.append((issue, k, topic if k == 0 else "CAREER", copies))

print("摊平后 %d 行" % len(flat))
print("销量列里 %d 个数，%d 个不同的值"
      % (len(flat), len(set(r[3] for r in flat))))

print()
print("整列求和    %s" % format(sum(r[3] for r in flat), ","))
print("正确求和    %s" % format(sum(r[1] for r in ISSUES), ","))
print("差 %.2f 倍" % (sum(r[3] for r in flat) / float(sum(r[1] for r in ISSUES))))

实跑输出：

--------------------------------------------------------------------
电子表格走到极限
--------------------------------------------------------------------

  ① 把关系摊平成一张表
  --------------------------------------------------------------------
  电子表格只有二维。要在一张表里同时放主题和销量，只能把销量抄到每一行。
  于是 24 篇文章变成 24 行，每行后面跟上该期的销量。

| 文章号 | 期号 | 主题 | 本期销量 |
|:---:|:---:|---:|---:|
| 1 | 1 | 效率工具 | 52,400 |
| 2 | 1 | 效率工具 | 52,400 |
| 3 | 2 | 理财 | 49,100 |
| 4 | 2 | 职场 | 49,100 |
| 5 | 3 | AI | 58,300 |
| 6 | 3 | AI | 58,300 |

  注意第 4 列：同一期的两篇文章，销量写了两遍。

  ② 摊平的代价：重复
  --------------------------------------------------------------------
  12 期 × 2 篇 = 24 行，销量这一列被写了 24 遍，实际只有 12 个不同的值。
  如果一篇期里有 5 篇文章，销量就要写 5 遍。期数一多，重复量成倍涨。
  重复不只是占地方，它会引诱你算错。

  ③ 算错是怎么发生的
  --------------------------------------------------------------------
  把「本期销量」这一列直接求和：1,285,200。
  把期号表的销量求和：642,600。
  两者差了 2 倍——正好是每期的文章数。摊平之后直接求和，等于把销量算了两次。
  ! 这不是粗心，是表格结构本身在骗人：它让同一个事实出现在多行里。

  ④ 想换个比较角度，就得重摊一次
  --------------------------------------------------------------------
  现在问「文章字数」和销量的关系，得再抄一遍销量，换成字数。
  再问「作者」和销量的关系，又抄一遍。每换一个问题，摊平动作重来一次。
  电子表格只能摊平一次，问题一变就白摊。这是它真正的极限。
  摊平本身没错，错在把摊平当成数据本来的样子。

  ⑤ 图还是画得出来的
  --------------------------------------------------------------------
  按封面主题分组求平均，画成柱状图，存成 PNG：15390 字节。
  四个主题的平均销量从 46350 到 60400，最高是最低的 1.30 倍。

摊平表里销量是 24 个数，去重后只剩 12 个。 「去重后剩几个」是个很好的自查动作：少于行数，这一列就有重复。 求和差 2 倍这件事，Excel 不会提醒你。它只能算，不能判断这一列该不该求和。

30 秒实验

  1. 如果按「每期两篇」摊平，并且改成「求销量平均值」，会得到正确的平均值吗？为什么？
  2. 什么样的摊平表是安全的？找一个「每行一个独立事实」的例子。
  3. 想一想：为什么关系数据库把「一条事实只存一处」当成第一原则？

常见误区

  1. 对重复列直接求和：一列里如果有重复值，求和结果必然偏大。
  2. 以为摊平只是麻烦：摊平改变的是数据的结构，不只是排版。
  3. 把摊平表当原始数据：它是一次性的视图，原始数据还在那两张表里。
  4. 每换一个问题重新摊一次：这正是该换工具的明确信号。
自测三问（点开对答案） 1. 摊平表为什么会让求和出错？ —— 因为摊平把一期的销量复制到了该期每一篇文章的行里。求和时每一期被算了「文章数」次。 2. 怎么快速发现一列有重复？ —— 数一下这列有几个不同的值，比行数少就说明有重复。 3. 什么时候该放弃摊平表？ —— 当同一个问题会被反复问、或需要换不同角度比较时。摊平是为单一问题准备的一次性形状。

摊平还有一个更贵的代价：每次数据一变，所有抄过的地方都得跟着改。下一篇算这笔账。

相关笔记