Wat is een DatabaseBookUDT en waarom zijn subtypes belangrijk in een databaseontwerp?

DatabaseBookUDT is een subtype van TechBookUDT, en tegelijkertijd een subtype van BookUDT. Omdat DatabaseBookUDT een directe afstammeling is van TechBookUDT, wordt het beschouwd als een echt subtype van TechBookUDT. Daarentegen is DatabaseBookUDT geen directe afstammeling van BookUDT, maar eerder een kleinkind, waardoor het niet als een correct subtype van BookUDT wordt beschouwd. Dit verschil tussen directe en indirecte afstamming speelt een belangrijke rol in het ontwerp en de structuur van objectgeoriënteerde databasesystemen.

Een gestructureerd type zonder supertype wordt beschouwd als een maximale supertype, terwijl een gestructureerd type zonder subtypes wordt gezien als een leaf-subtype. Dit heeft invloed op hoe gegevens worden opgeslagen en gemanipuleerd binnen het systeem. Het goed begrijpen van subtypes en hun onderlinge relaties helpt bij het efficiënt ontwerpen van databasestructuren, wat essentieel is voor de integriteit en prestaties van een systeem.

Bijvoorbeeld, de volgende SQL-code maakt een UDT (User Defined Type) genaamd BookUDT aan, die als basis dient voor de daaropvolgende subtypes zoals TechBookUDT en DatabaseBookUDT:

sql
Copy code
/* Maak een UDT genaamd BookUDT */

CREATE TYPE BookUDT AS
   /* Specificeer attributen */
   Title        CHAR(40),
   Author       CHAR(40),
   MyCost       DECIMAL(9,2),
   ListPrice    DECIMAL(9,2)
   /* Sta subtypes toe */
   NOT FINAL;
/* Maak een subtype genaamd TechBookUDT */
CREATE TYPE TechBookUDT UNDER BookUDT NOT FINAL;
/* Maak een subtype genaamd DatabaseBookUDT */
CREATE TYPE DatabaseBookUDT UNDER TechBookUDT FINAL;

In dit voorbeeld zijn NOT FINAL en FINAL belangrijke sleutelwoorden die het mogelijk maken om subtypes te definiëren. NOT FINAL geeft aan dat er nog subtypes gedefinieerd kunnen worden, terwijl FINAL aangeeft dat dit het laagste niveau van het subtype is. Nadat de types zijn gedefinieerd, kunnen ze worden gebruikt om tabellen te maken en gegevens in te voegen, zoals hieronder:

sql
Copy code
CREATE TABLE DATABASEBOOKS (
   StockItem   DatabaseBookUDT,
   StockNumber INTEGER
);

In dit geval wordt een record toegevoegd aan de DATABASEBOOKS-tabel door gebruik te maken van mutatorfuncties om de waarden in de velden te zetten:

sql
Copy code
BEGIN

   /* Declareer een tijdelijke variabele x */
   DECLARE x = DatabaseBookUDT;
   /* Voer de constructorfunctie uit */
   Set x = DatabaseBookUDT();
   /* Voer de eerste mutatorfunctie uit */
   SET x = x.Title('SQL for Dummies');
   /* Voer de tweede mutatorfunctie uit */
   SET x = x.Author('Allen G. Taylor');
   /* Voer de derde mutatorfunctie uit */
   SET x = x.MyCost(23.56);
   /* Voer de vierde mutatorfunctie uit */
   SET x = x.ListPrice(29.99);
   INSERT INTO DATABASEBOOKS VALUES (x, 271828);
END

Daarnaast moet een belangrijk concept dat in deze context van belang is, worden behandeld: de null-waarden in SQL. SQL is uniek in de zin dat het null-waarden toestaat, wat andere programmeertalen vaak niet doen. Een null-waarde vertegenwoordigt de afwezigheid van een waarde en kan om verschillende redenen in een veld verschijnen, bijvoorbeeld wanneer een waarde nog onbekend is, niet van toepassing is, of wanneer een oude waarde is verwijderd maar nog niet vervangen. Het begrijpen van null-waarden is essentieel, omdat het in veel gevallen de nauwkeurigheid en consistentie van databasequery's beïnvloedt. In databaseontwerpen is het belangrijk om null-waarden goed te beheren om verwarring en inconsistentie in de gegevens te voorkomen.

Een andere cruciale factor bij het ontwerp van een database is het gebruik van constraints (beperkingen) die de integriteit van de gegevens waarborgen. Constraints kunnen ervoor zorgen dat alleen geldige gegevens in een tabel worden ingevoerd, en helpen ook om ongeldige gegevens in bestaande tabellen te identificeren. In SQL kunnen drie hoofdsoorten constraints worden toegepast: NOT NULL, UNIQUE en CHECK.

De NOT NULL constraint zorgt ervoor dat een kolom altijd een waarde bevat, wat vooral belangrijk is voor primaire sleutels die de unieke identificatie van records garanderen. De UNIQUE constraint zorgt ervoor dat alle waarden in een kolom uniek zijn en voorkomt duplicaten. De CHECK constraint kan gebruikt worden om waarden in een kolom te controleren op specificaties zoals het bereik van numerieke waarden of de aanwezigheid van ongewenste tekens.

Bijvoorbeeld, het creëren van een tabel die een NOT NULL constraint op de ClientName kolom toepast:

sql
Copy code
CREATE TABLE CLIENT (

   ClientName        CHAR(30) NOT NULL,
   Address1          CHAR(30),
   Address2          CHAR(30),
   City              CHAR(25),
   State             CHAR(2),
   PostalCode        CHAR(10),
   Phone             CHAR(13),
   Fax               CHAR(13),
   ContactPerson     CHAR(30)
);

Het correct toepassen van deze beperkingen helpt ervoor te zorgen dat de gegevens in de database consistent, correct en betrouwbaar zijn. De juiste beperkingen kunnen ook voorkomen dat foutieve gegevens of incomplete records worden toegevoegd, wat cruciaal is voor het behoud van de kwaliteit van de database.

Hoe histogrammen, boxplots en scatterplots datatrends visualiseren

Visualisatie van data is essentieel in data-analyse, omdat het inzicht biedt in de patronen, trends en verdelingen van gegevens. Drie van de meest gebruikte grafische weergaven voor het verkennen van data zijn histogrammen, boxplots en scatterplots. Elk van deze visualisaties heeft zijn eigen sterkte in het presenteren van verschillende soorten informatie over een dataset. In dit hoofdstuk bekijken we hoe je deze grafieken kunt maken met behulp van Python en Matplotlib, en hoe je ze kunt interpreteren.

python
Copy code
import numpy as np
import matplotlib.pyplot as plt
%matplotlib inline
x = 20 * np.random.randn(10000)
plt.hist(x, 25, range=(-50, 50), histtype='stepfilled', align='mid', color='g', label='Test Data')
plt.legend()
plt.title('Step Filled Histogram')
plt.show()

Boxplots geven een andere manier om gegevens visueel weer te geven. Ze splitsen de data in vier gelijke delen, de zogenaamde kwartielen, en tonen de spreiding van de data. De box zelf geeft de interkwartielafstand weer, met de mediaan als een lijn in het midden van de box. Uitschieters worden vaak weergegeven met lijnen die uitsteken buiten de bovenste en onderste kwartielen. Een boxplot biedt niet alleen informatie over de centrale tendentie van de data, maar ook over de spreiding en eventuele afwijkingen van de normale verdeling.

python
Copy code
import numpy as np
import matplotlib.pyplot as plt
%matplotlib inline
spread = 100 * np.random.rand(100)
center = np.ones(50) * 50
flier_high = 100 * np.random.rand(10) + 100
flier_low = -100 * np.random.rand(10)
data = np.concatenate((spread, center, flier_high, flier_low))
plt.boxplot(data, sym='gx', widths=.75, notch=True)
plt.show()

In dit voorbeeld worden verschillende datagroepen gegenereerd met specifieke kenmerken, zoals spreiding, gecentraliseerde waarden en uitschieters. De boxplot geeft een duidelijk visueel overzicht van de gegevens, waarbij het helpt om de variabiliteit en mogelijke afwijkingen van de data te begrijpen. Door de breedte van de box en de aanwezigheid van uitschieters visueel te benadrukken, biedt de boxplot een nuttige manier om zowel de verdeling als de uitbijters in de dataset snel te identificeren.

Scatterplots zijn uitermate geschikt voor het visualiseren van de relatie tussen twee variabelen. In tegenstelling tot lijn- of staafdiagrammen, tonen scatterplots individuele datapunten zonder trends of geaggregeerde gegevens. Dit maakt scatterplots bijzonder nuttig voor het ontdekken van clusters of groepen in een dataset. Een scatterplot kan bovendien variabelen zoals de grootte en kleur van de punten gebruiken om meer dimensies van de data visueel weer te geven.

python
Copy code
import numpy as np

import matplotlib.pyplot as plt
%matplotlib inline
x1 = 5 * np.random.rand(40)
x2 = 5 * np.random.rand(40) + 25
x3 = 25 * np.random.rand(20)
x = np.concatenate((x1, x2, x3))
y1 = 5 * np.random.rand(40)
y2 = 5 * np.random.rand(40) + 25
y3 = 25 * np.random.rand(20)
y = np.concatenate((y1, y2, y3))
plt.scatter(x, y, s=[100], marker='^', c='m')
plt.show()

In het bovenstaande voorbeeld worden willekeurige gegevens gegenereerd en vervolgens geplot in een scatterplot. De grootte van de punten wordt aangepast met de parameter s, de vorm van de punten wordt bepaald door de marker parameter, en de kleur van de punten is ingesteld op magenta met de parameter c. Scatterplots kunnen met verschillende stijlen worden aangepast, afhankelijk van de voorkeur van de gebruiker en de manier waarop je de gegevens wilt presenteren.

Geavanceerde scatterplots kunnen worden gemaakt door meer dan twee variabelen te visualiseren, bijvoorbeeld door kleur te gebruiken om groepen binnen de data te onderscheiden. Dit helpt bij het identificeren van patronen en het aantonen van overlappen tussen groepen, of wanneer bepaalde gegevens buiten het verwachte bereik vallen. Kleur is hierbij de derde as, wat betekent dat je de data kunt groeperen en gemakkelijker kunt interpreteren.

python
Copy code
import numpy as np
import matplotlib.pyplot as plt
%matplotlib inline
x1 = 5 * np.random.rand(50)
x2 = 5 * np.random.rand(50) + 25
x3 = 30 * np.random.rand(25)
x = np.concatenate((x1, x2, x3))
y1 = 5 * np.random.rand(50)
y2 = 5 * np.random.rand(50) + 25
y3 = 30 * np.random.rand(25)
y = np.concatenate((y1, y2, y3))

color_array = ['b'] * 50 + ['g'] * 50 + ['r'] * 25

plt.scatter(x, y, s=[50], marker='D', c=color_array)
plt.show()

In dit geval worden drie verschillende datagroepen geïdentificeerd en weergegeven met verschillende kleuren: blauw, groen en rood. De groepen kunnen visueel worden onderscheiden, wat het gemakkelijker maakt om te begrijpen hoe ze zich tot elkaar verhouden.

Het is belangrijk te begrijpen dat visualisaties zoals histogrammen, boxplots en scatterplots krachtige hulpmiddelen zijn, maar dat ze slechts zo nuttig zijn als de interpretatie ervan. De context van de data en de vraag die je probeert te beantwoorden, zijn cruciaal voor het kiezen van de juiste grafiek. Bij het werken met data is het essentieel om altijd aandacht te besteden aan de details van de visualisatie, zoals de schaal, de assen en de eventuele uitschieters. Alleen zo kun je ervoor zorgen dat de gegevens op een accurate en informatieve manier worden gepresenteerd.

Hoe Visualisaties te Creëren en Delen met Tableau: Een Stapsgewijze Benadering

In Tableau kunnen gebruikers op verschillende manieren hun gegevens visualiseren, waarbij ze kiezen uit een breed scala aan grafieken, diagrammen en tabellen. Een van de krachtigste visualisaties die Tableau biedt, is de bullet chart, die bijzonder nuttig is om verschillende meetwaarden in één doelwaarde te vergelijken. Dit biedt gebruikers niet alleen inzicht in de prestaties ten opzichte van een doel, maar maakt het ook mogelijk om meerdere gegevensreeksen tegelijkertijd te visualiseren. Het is eenvoudig om een bullet chart te maken door de juiste velden te slepen naar de verschillende planken van Tableau.

Om een voorbeeld van een bullet chart te maken met het usaspending.gov dataset, volg de volgende stappen:

1. Sleep het veld Award Type naar de rijenplank.

2. Sleep de velden Totale Potentiële Waarde van de Award en Totale Verplichte Bedrag naar de kolommenplank.

3. Selecteer de optie Bullet Chart in het Show Me-paneel. Het resultaat is een bullet chart die de verschillen tussen de verschillende gegevenspunten duidelijk maakt.

Hoewel een bullet chart effectief is voor het visualiseren van prestaties in verhouding tot een doel, zijn er andere methoden om gegevens in Tableau te presenteren die ook veel voordelen bieden. Een crosstab, bijvoorbeeld, is een tekstgebaseerde tabel die dezelfde gegevens op een andere manier toont. Het kan bijzonder nuttig zijn voor gebruikers die liever werken met gegevens in tabellen in plaats van grafieken. Het omzetten van een visualisatie naar een crosstab is eenvoudig en kan veel informatie toegankelijk maken.

Om een visualisatie om te zetten naar een crosstab, kunnen de volgende stappen worden gevolgd:

1. Sleep het veld Periode van Prestatie Startdatum naar de kolommenplank.

2. Sleep de velden Naam van de Financierende Instantie en Naam van het Toekenningskantoor naar de rijenplank.

3. Sleep het meetveld Totale Verplichte Bedrag naar het Labels-paneel onder de Marks-kaart. Hierdoor wordt een eenvoudige crosstab gegenereerd.

Daarnaast kan de crosstab verder worden gepersonaliseerd door de waarden te kleurcoderen. Dit kan helpen om patronen en verschillen binnen de gegevens visueel te benadrukken. Het toevoegen van kleur kan de lezer helpen bij het snel identificeren van hoge of lage waarden, maar het is belangrijk om een kleurschema te kiezen dat de verschillen duidelijk maakt zonder verwarring te veroorzaken. Het is belangrijk om ervoor te zorgen dat de kleurnuances voldoende onderscheiden kunnen worden, vooral wanneer de range van waarden breed is, bijvoorbeeld van nul tot miljarden.

Een andere handige functionaliteit in Tableau is de mogelijkheid om berekeningen toe te voegen aan een crosstab. Dit kan gebruikers helpen om aanvullende inzichten te verkrijgen, zoals procentuele veranderingen in de verstrekte bedragen over verschillende perioden. Dit kan eenvoudig worden gedaan door een tafelberekening toe te voegen, zoals het percentageverschil van het vorige jaar. Het gebruik van dergelijke berekeningen kan trends en patronen onthullen die anders misschien niet zichtbaar zouden zijn.

Bijvoorbeeld, om de percentageverschillen toe te voegen, kan de gebruiker de volgende stappen volgen:

1. Klik met de rechtermuisknop op het veld SUM(Total Obligated Amount) in de Meetwaarden-kaart.

2. Selecteer de optie 'Voeg Tafelberekeningen toe' in het menu.

3. Kies 'Percent Difference From' in het eerste vervolgkeuzemenu.

4. Kies 'Compute Using Table (across)' in het tweede vervolgkeuzemenu.

Na deze stappen verandert de crosstab onmiddellijk en toont het de jaarlijkse percentages die de stijgingen en dalingen in de totale verplichtingen van een bepaald agentschap aangeven.

Het delen van deze visualisaties is een andere belangrijke functie van Tableau, vooral wanneer de visualisaties met anderen binnen een organisatie moeten worden gedeeld. Tableau Desktop biedt verschillende methoden om werkbladen naar Tableau Server of Tableau Cloud te publiceren. Dit maakt het mogelijk om visuele rapporten op een georganiseerde manier te delen en samen te werken met andere gebruikers. De eenvoudigste manier om een werkblad te publiceren, is door de optie 'Share Workbook with Others' te gebruiken op de werkbalk.

Wanneer je een werkblad wilt publiceren, kunnen de volgende stappen worden gevolgd:

1. Klik op de knop 'Share Workbook with Others' op de werkbalk. Een pop-upmenu verschijnt.

2. Selecteer het project waar je het werkblad wilt opslaan.

3. Geef een naam en beschrijving op voor het werkblad.

4. Voeg tags toe voor betere vindbaarheid.

5. Stel de toegangsrechten in, zodat je kunt bepalen wie wel of niet toegang heeft tot het bestand.

6. Controleer de datavariabelen en optimaliseer ze indien nodig voordat je het bestand publiceert.

Het publiceren naar Tableau Cloud biedt de mogelijkheid om gegevens op een flexibele manier te delen, wat het makkelijker maakt om met collega's samen te werken en gegevens op afstand te bekijken. Toch zijn er enkele nadelen aan het gebruik van Tableau Cloud, zoals de extra stappen die nodig zijn voor bepaalde taken die in Tableau Desktop of Tableau Server eenvoudiger te voltooien zijn. Desondanks is de cloudgebaseerde benadering ideaal voor samenwerking en delen van visualisaties binnen een organisatie.

Hoewel Tableau Cloud enkele beperkingen heeft in vergelijking met de desktop- en serverversies, biedt het een schaalbare oplossing voor de samenwerking op grote schaal, vooral wanneer meerdere gebruikers tegelijkertijd met dezelfde gegevens moeten werken. Het stelt gebruikers in staat om snel inzichten te verkrijgen en deze te delen met de juiste belanghebbenden, wat het besluitvormingsproces aanzienlijk kan versnellen.