El lenguaje SQL puede ser a menudo una herramienta necesaria y suficiente para la solucionar la mayoría de las tareas del día a día. Complementado con algunas herramientas de línea de comandos populares en el mundo UNIX se tiene una alternativa muy eficaz para solucionar problemas. En este taller se presentan escenarios en donde ambas resultan ser las mejores alternativas.

1. con
Twitter: @davincimx
Facebok: LeonardoDaVinciMX

2. Ejemplo
subset_track_metadata.db
Se descarga de:
http://cbi.ucaribe.edu.mx:8080/~jeae/ODD/subset_track_metadata.db

3. Schema
Tabla: songs
CAMPO TIPO MODIFICADOR
track_id text PRIMARY KEY
title text
song_id text
release text
artist_id text
artist_mbid text
artist_name text
duration real
artist_familiarity real
artist_hotttnesss real
year int

4. MEDIDAS DE
TENDENCIA CENTRAL

5. Media
SELECT
CAST(AVG(songs.year) as int) as avg_year
FROM songs
;
● CAST: conversión de datos a tiempo real entre tipos de dastos
compatibles. En este caso float int para redondeo.→
● AVG: función de agregación que regresa la media.
● as avg_year: renombra temporalmente una columna (sólo por
legibilidad, no altera nada. Se usará el resto del taller.)

6. Mediana
SELECT
songs.year as median_year
FROM songs
ORDER BY songs.year
LIMIT 1
OFFSET (SELECT COUNT(*) FROM songs) / 2
;
● ORDER BY: ordena los datos resultantes por una o más columnas.
Puede ser ascendente ASC (por defecto) o descendente DESC.
● COUNT: función de agregación que regresa el número de renglones
que cumplen con el criterio.
● LIMIT: especifica el número máximo de renglones que se
retornarán del conjunto de datos resultante
● OFFSET: salta X renglones. En este ejemplo saltamos 5000, que
equivale a la mitad de los datos)

7. Moda
SELECT
songs.year,
COUNT(*) as count
FROM songs
GROUP BY songs.year
ORDER BY COUNT(*) DESC
LIMIT 1
;
● GROUP BY: se usa con funciones de agregación como COUNT, AVG, etc. Agrupa el
conjunto de datos resultante a partir de una o más columnas.

8. MEDIDAS DE
DISPERSIÓN

9. Máximos y Mínimos
SELECT
MIN(songs.year) as min_year,
MAX(songs.year) as max_year
FROM
songs
;
● MIN: Función de agregación que retorna el menor valor del conjunto de datos.
● MAX: Función de agregación que retorna el mayor valor del conjunto de datos.

10. Varianza y Stdev
Algunos sabores de SQL poseen STD()
Pero sqlite3 no… :-(
Así que calcularemos la varianza:
CREATE TABLE t (row int);
INSERT INTO t SELECT year FROM songs;
SELECT AVG((t.row ­ sub.a) * (t.row ­ sub.a)) as var FROM t,
(SELECT AVG(row) AS a FROM t) AS sub;
DROP TABLE t;
FUENTE: https://stackoverflow.com/questions/2298339/standard-deviation-for-sqlite

11. Grupos
SELECT
songs.year,
COUNT(*) songs_count
FROM songs
GROUP BY songs.year
ORDER BY songs.year ASC
;

12. Scripting
$ echo "SELECT songs.year, COUNT(*) song_count FROM songs GROUP BY
songs.year ORDER BY songs.year ASC;" |
sqlite3 ­separator " " subset_track_metadata.db > datos.dat

13. gnuplot
$ gnuplot
gnuplot> set title ‘Songs per Year’
gnuplot> set style data histogram
gnuplot> plot ‘datos.dat’ using 2:xticlabels(1)
…
gnuplot> quit
$ _