Manipulacion de datos

Lenguaje de Manipulación de Datos (Data Manipulation Language, DML) es un lenguaje proporcionado por los sistemas gestores de bases de datos que permite a los usuarios de la misma llevar a cabo las tareas de consulta o modificación de los datos contenidos en las Bases de Datos del Sistema Gestor de Bases de Datos. 1​

El lenguaje de manipulación de datos más popular hoy en día es SQL, usado para recuperar y manipular datos en una base de datos relacional. Otros ejemplos de DML son los usados por bases de datos IMS/DL1, CODASYL u otras.
Elementos del lenguaje de manipulación de datos
SELECT

La sintaxis básica de select es la siguiente utilizando el estándar de SQL: select columna from tabla;


donde se sustituye la palabra columna por el nombre del campo a consultar y la palabra tabla por el nombre de la tabla que contiene el campo mencionado.
Insert

La estructura básica para la sentencia insert utilizando el estándar de SQL es la siguiente: insert into usuario (nombre, apellidos, edad, carrera) values ("Martín", "Bastida Godínez", "23", "Ingeniería en TI");

Tomando como ejemplo si se tuviera una tabla llamada 'usuario' con los campos de tipo cadena de caracteres (nombre, apellidos, edad, carrera), donde se inserta los valores que se encuentran en después de la palabra values, los valores se insertan en el orden correspondiente a como se hizo la llamada de los campos, los valores van separados por comas, las comillas dobles indican que se está insertando datos de tipo cadena de caracteres.
Delete

Para eliminar los registros de una tabla usamos el comando "delete":delete from usuarios;

La ejecución del comando indicado en la línea anterior borra TODOS los registros de la tabla.


Si queremos eliminar uno o varios registros debemos indicar cuál o cuáles, para ello utilizamos el comando "delete" junto con la clausula "where" con la cual establecemos la condición que deben cumplir los registros a borrar. Por ejemplo, queremos eliminar aquel registro cuyo nombre de usuario es 'Martín':delete from usuarios where nombre='Martín';

Si solicitamos el borrado de un registro que no existe, es decir, ningún registro cumple con la condición especificada, no se borrarán registros, pues no encontró registros con ese dato.
Update

Para modificar uno o varios datos de uno o varios registros utilizamos "update" (actualizar).

Por ejemplo, en nuestra tabla "usuarios", queremos cambiar los valores de todas las claves, por "Sevilla":update usuarios set clave='Sevilla';


Utilizamos "update" junto al nombre de la tabla y "set" junto con el campo a modificar y su nuevo valor.

El cambio afectará a todos los registros.

Podemos modificar algunos registros, para ello debemos establecer condiciones de selección con "where".

Por ejemplo, queremos cambiar el valor correspondiente a la clave de nuestro usuario llamado 'Martín', queremos como nueva clave 'Boca', necesitamos una condición "where" que afecte solamente a este registro:update usuarios set clave='Boca' where nombre='Martín';


Si no encuentra registros que cumplan con la condición del "where", ningún registro es afectado.

Las condiciones no son obligatorias, pero si omitimos la cláusula "where", la actualización afectará a todos los registros.

También se puede actualizar varios campos en una sola instrucción:update usuario set nombre='MarceloDuarte', clave='Marce' where nombre='Marcelo';

Para ello colocamos "update", el nombre de la tabla, "set" junto al nombre del campo y el nuevo valor y separado por coma, el otro nombre del campo con su nuevo valor.

Visualizacion de datos

La visualización de datos (data visualization, en inglés) es el proceso de búsqueda, interpretación, contrastación y comparación de datos que permite un conocimiento en profundidad y detalle de los mismos de tal forma que se transformen en información comprensible para el usuario.

Este término surgió a raíz del nacimiento de la web 2.0, 3zen la que la abundancia de datos provoca complejidad en su búsqueda e interpretación, lo que da lugar a la necesidad de un mecanismo que permita facilitar la comprensión y asimilación de la información. Esto se debe a que en la actualidad los procedimientos que engloban la visualización de datos son varios. En primer lugar es necesario analizar los datos para compendiar aquellos útiles para el conocimiento del tema y descartar los inconexos. En segundo lugar es necesario interpretar los datos seleccionados de tal forma que sean comprensibles de forma exacta y detallada. Antes de continuar es imprescindible contrastar estos datos con otros vinculados y estudiar todos ellos para no cometer errores y saber discernir los verdaderamente significativos para lograr el fin último, es decir, facilitar la comprensión del usuario. El último paso en este proceso es saber comunicar la información obtenida, de tal forma que el usuario adquiera los conocimientos necesarios para comprender correctamente los datos facilitados. Para conseguir este fin, el propio creador de la visualización debe tener muy clara la información que desea comunicar, para que le resulte más sencillo transmitírsela a otras personas a través de las observaciones y cotejos oportunos de los datos constituyentes de la visualización.
Utilidad de la visualización de datos

La visualización es una herramienta para ayudar al análisis y no un sustituto de la habilidad analítica. Tampoco es un sustituto de las estadísticas, es más, el gráfico puede resaltar las diferencias o correlaciones entre los puntos de datos. Disponer de una buena herramienta no es suficiente; como indica Enrique Rodríguez también es necesario que se disponga de conocimientos de negocio, estadística, teoría del color, composición gráfica, story-telling e inteligencia emocional.

Las visualizaciones de datos, y más si estas se basan en herramientas gratuitas online con plantillas, no hacen todo el trabajo de forma automática. El éxito de una visualización se basa, entre otras variables, en la comprensión de nuestros datos que por lo general requiere una combinación de habilidades de análisis, estadística y experiencia en la limpieza de datos. No hay todavía un perfil determinado de visualizadores de datos; hoy en día encontramos desde diseñadores hasta ingenieros, pasando por psicólogos, periodistas y profesionales de la comunicación y el marketing en general.

Según Pere Rovira, la visualización de datos nos ayuda a elaborar mejores cuadros de mando, y en general a comunicar el significado de los datos de la manera más adecuada para cada interlocutor. Así mismo, en ámbitos como las redes sociales, donde se tratan grandes cantidades de datos, cree que esta visualización nos ayuda a generar conocimiento.

Las formas de presentar los datos son muy diversas; los gráficos clásicos son los siguientes:1​
Tabla: sirven para mostrar números, siempre se pueden trabajar y hacerlas más fáciles de descodificar a primera vista (con colores, explicación previa).
Gráfico de Barra: un gráfico de barra o columna hace énfasis en la comparación entre elementos en un período de tiempo específico.
Gráficos de Línea: un gráfico de línea muestra las relaciones de los cambios en los datos en un período de tiempo.
Gráfico Circular: también conocido como pie en inglés. Se utiliza para mostrar cómo diferentes partes representan un total.
Gráficos de Dispersión: los gráficos de Dispersión o Scatter Plot son útiles para mostrar la relación entre diferentes puntos de datos. Este tipo de gráfico utiliza valores numéricos para ambos ejes en lugar de utilizar categorías en alguno de los ejes como en los gráficos anteriores.
Gráfico de Burbujas: un gráfico de Burbujas o Bubble chart es una variación de un gráfico de dispersión en el que los puntos de datos se reemplazan por burbujas y el tamaño de las burbujas representa una dimensión adicional de los datos.
Treemap: consiste en un tipo de representación gráfica de datos jerárquicos en forma de rectángulos que ocupan el total del espacio de forma proporcional al valor de una variable.
Gráficos Sociales: un gráfico social es como un mapa global que muestra con quién se relacionan las personas. Estos gráficos constan de nodos (personas) y flechas (relaciones) que conectan los nodos.
Palabras: puedes utilizar nubes de palabras o tags para analizar y descubrir tendencias.
Infografías: las infografías son más elaboradas y buenas cuando se utiliza los datos para compartir información, difundirla y generar discusión, sobre todo con el objetivo de generar tráfico y enlaces para un sitio web.

Practica 1 alumno

Practica 2 empleados

practica 3,4 tabalas relacionadas

Enlaces a descargar

https://mega.nz/fm/VgN0WCDT