NULL — это специальное значение в SQL, которое означает отсутствие данных или неизвестное значение. Важно понимать, что NULL ≠ 0 и NULL ≠ пустая строка (‘’).

А пока подписывайся на мой канал На связи: SQL Там я публикую посты про особенности и нюансы SQL. Этот канал про то, как не бояться баз данных, понимать, что такое JOIN, GROUP BY и почему NULL ≠ 0. Его я веду с нуля подписчиков. И пост про NULL уже ждет тебя! Присоединяйся!

NULL не равен ничему, даже самому себе. Не является числом, строкой или другим типом данных.

И это надо запомнить при работе с данными.

Все что вы будете сравнивать с NULL будет возвращаться как UNKNOWN.

Для работы с NULL есть специальные операторы.

-- Проверка на NULL

SELECT *

FROM table

WHERE column IS NULL;

-- Проверка на НЕ NULL

SELECT *

FROM table

WHERE column IS NOT NULL;

-- Замена NULL на значение

SELECT COALESCE(column, 'значение_по_умолчанию')

FROM table;

NULL появляется там, где есть необязательные поля для заполнения, при отсутствии связей между сущностями, при ошибках ввода, когда данные неизвесты.

Вообще, понятие NULL появилось в начале 1970-х годов. Разработчики реляционных БД специально создали такое значение для обозначения отсутствия данных. Это было революционным решением, позволившим хранить информацию более гибко.

Математические фокусы с NULL:

• Любое число + NULL = NULL

• NULL * 100 = NULL

• NULL / 2 = NULL

• Индексы могут работать медленнее при наличии NULL

• Некоторые типы индексов вообще не поддерживают NULL

• Агрегатные функции игнорируют NULL по умолчанию

Ну и коротко про то что такое Но(у)ль:
Ноль — это чётко определённое значение:

• Числовое значение

• Имеет математический смысл

• Участвует в вычислениях

• Равно самому себе

А теперь про пусто:
Пустота — отсутствие содержимого

Пустое значение может быть:

• Пустой строкой (‘’ или “”)

• Пустым массивом

• Пустым объектом

• Имеет конкретный тип данных

Рекомендации:

• Используйте NULL для неизвестных данных

• Применяйте 0 для числовых значений по умолчанию

• Используйте пустые строки для незаполненных текстовых полей

Заключение

Помните: каждое из этих значений несёт свой смысл. Неправильное использование может привести к:

• Ошибочным расчётам

• Некорректной логике

• Потерям данных

• Системным ошибкам

А как вы работаете с этими значениями в своих проектах? Поделитесь опытом в комментариях!

DELETE — инструменте, который может как спасти вашу базу данных от хлама, так и превратить её в пустыню за считанные секунды.

DELETE как цифровой пылесос**, который может убрать всё, что вы ему скажете. Только вот вернуть обратно будет ой как непросто!

А пока подписывайся на мой канал На связи: SQL Там я публикую посты про особенности и нюансы SQL. Этот канал про то, как не бояться баз данных, понимать, что такое JOIN, GROUP BY и почему NULL ≠ 0. Его я веду с нуля подписчиков. Присоединяйся!

Базовый синтаксис:

DELETE FROM таблица
WHERE условие;

Можно использовать EXISTS с подзапросами

DELETE FROM orders

WHERE EXISTS (

SELECT 1

FROM customers

WHERE customers.id = orders.customer_id

AND customers.status = 'deleted' );

Удаляет заказы неактивных клиентов.

Можно использовать JOIN

DELETE o

FROM orders o

INNER JOIN customers c ON o.customer_id = c.id

WHERE c.registration_date < '2020-01-01';

Удаляет заказы клиентов, зарегистрированных до 2020 года.

Как происходит удаление записей?

Физическое удаление в SQL — это не мгновенное стирание данных с диска. Когда вы выполняете DELETE:

• Система записывает операцию в журнал транзакций

• Помечает удалённые строки как свободные

• Физическое место может быть использовано для новых данных

• Сами данные остаются в файле некоторое время

Формируется основной файл .mdf (или аналогичный). Также информация записывается в журнал транзакций. Сроки хранения удаленных данных зависят от:
- модели восстановления базы данных
- активности базы данных
- настроек резервного копирования
- объема свободного места

Удаленные данные могут храниться до следующего бэкапа или до перезаписи журнала.

Способы восстановления данных после DELETE

1. Восстановление из резервной копии

   RESTORE DATABASE имя_базы FROM DISK = 'путь_к_бэкапу'

2. Использование моментальных снимков (Snapshot)

   CREATE DATABASE имя_снимка

   ON (NAME = имя_файла, FILENAME = 'путь_к_файлу')

   AS SNAPSHOT OF исходная_база;

   Восстановление данных из снимка:

   INSERT INTO исходная_таблица

   SELECT * FROM снимок.dbo.таблица

3. Восстановление через LSN (Log Sequence Number)

   Если есть журналы транзакций:

   BACKUP LOG имя_базы TO DISK = 'путь_к_журналу'

   Поиск удалённых записей:
   SELECT [Current LSN], [Transaction ID]

   FROM fn_dblog(NULL, NULL)

   WHERE Operation = 'LOP_DELETE_ROWS'

4. Либо использовать специальные посторонние программы для восстановления БД

Чтобы предотвратить потерю данных:

• Регулярно создавайте резервные копии

• Используйте транзакции (BEGIN TRANSACTION / ROLLBACK)

• Тестируйте DELETE-запросы на тестовой базе

• Применяйте WHERE с осторожностью

• Настройте политики резервного копирования

DELETE vs TRUNCATE

Многие думают, что TRUNCATE и DELETE — это одно и то же. На самом деле:

• DELETE удаляет строки по одной и записывает каждую операцию в журнал транзакций

• TRUNCATE мгновенно очищает таблицу, минуя журнал (кроме некоторых случаев)

При выполнении DELETE:

• Блокируются только удаляемые строки

• Другие транзакции могут читать незаблокированные данные

• В некоторых СУБД возможна эскалация блокировок до уровня таблицы

• Не затрагивает структуру индексов

• Индексы остаются в прежнем состоянии

• Это ускоряет процесс удаления

• Не сбрасывает счётчики автоинкремента

• Сохраняет текущее значение последовательности

• Важно при работе с первичными ключами

• Активируются триггеры AFTER DELETE

• Можно отслеживать удалённые строки через виртуальную таблицу deleted

• Триггеры могут отменить операцию удаления

Чтобы сохранить целостность данных можно использовать ON DELETE CASCADE
Это позволит там, где есть зависимость по внешним ключам произвести удаление зависимых строк.

Привет, я Антон, автор ТГ-канала Шадрин + AI. Моя работа — внедрять нейросети в бизнес и спасать людей от Excel-рабства.

Сегодня разберем тему, от которой у многих подгорает: работа с таблицами в ChatGPT. Если ты до сих пор вручную копипастишь данные из Excel или считаешь суммы на калькуляторе — этот гайд изменит твою жизнь.

Почему ChatGPT косячит с таблицами

Начнем с главного — ChatGPT не видит твою таблицу так, как видишь ее ты. Для него это просто набор символов, который он пытается распарсить. И если не объяснить ему, что к чему, получишь на выходе кашу.

Проблема в том, что большинство юзеров просто кидает файл и ждёт магии. Хуй там плавал! ChatGPT записывает Python-код для обработки данных и создания необходимого аналитического вывода — и если ты не дашь контекст, он напишет говнокод.

Пошаговая инструкция: делаем всё правильно

Шаг 1. Загружаем таблицу с умом

Когда загружаешь таблицу, сразу пиши в промпте:

Я загрузил в mnt/data таблицу [название]. В ней есть колонки: [перечисли основные]. Это данные о [контекст]

Почему это важно? ChatGPT автоматически создаёт интерактивное табличное представление, которое позволяет прокручивать данные и просматривать все строки и столбцы, но без контекста он может неправильно интерпретировать данные.

Шаг 2. Выбираем правильную модель

В левом верхнем углу ОБЯЗАТЕЛЬНО выбирай модель с возможностями анализа данных. Эти улучшения доступны в новой флагманской модели GPT-4o для пользователей ChatGPT Plus, Team и Enterprise.

Если используешь бесплатную версию — придётся довольствоваться базовым функционалом, но и там можно выжать максимум, если знать подход.

Шаг 3. Объясняем задачу на пальцах

Вот где начинается магия. Не пиши абстрактные команды типа "проанализируй". Будь конкретным:

• Убрать колонки: "Удали колонки A, B, C — они мне не нужны"

• Свести таблицы: "Объедини таблицы по колонке 'ID клиента'"

• Сортировка: "Отсортируй по убыванию продаж за Q4"

Промпты не должны указывать конкретные операции — команды на естественном языке, такие как "анализировать" или "сравнивать", достаточны для получения результатов от ChatGPT, но чем конкретнее — тем точнее результат.

Кстати, я собрал полную памятку по работе с таблицами в ChatGPT — там все возможные операции с примерами. Лежит в моём ТГ-канале, ссылка в закрепе.

Шаг 4. Одно действие — один запрос

Самая частая ошибка — пытаться запихнуть десять задач в один промпт. НЕ ДЕЛАЙ ТАК!

Правильный порядок:

1. Сначала чистим данные: "Убери все строки с пустыми значениями"

2. Потом трансформируем: "Преобразуй даты в формат YYYY-MM-DD"

3. Затем анализируем: "Посчитай средние продажи по месяцам"

Пользователи теперь могут исследовать данные более похожим на Excel способом, используя интерактивные таблицы, но с эффективностью в 10 раз выше — но только если правильно структурировать запросы.

Шаг 5. Выгружаем результат правильно

Всегда в конце промпта добавляй:

Выгрузи файл в формате xlsx ОБЯЗАТЕЛЬНО гиперссылкой с названием файла на английском языке

Почему на английском? Потому что с кириллицей могут быть проблемы при скачивании. Проверено на собственной шкуре.

Продвинутые техники (для тех, кто хочет большего)

Техника 1: Работа с большими датасетами

Для CSV-файлов или электронных таблиц размер файла не может превышать примерно 50 МБ, в зависимости от размера каждой строки. Но есть лайфхак:

1. Разбей большой файл на части

2. Загрузи первую часть и проведи предварительную обработку

3. Сохрани промежуточный результат

4. Загрузи следующую часть и объедини

Техника 2: Интерактивная работа с графиками

Теперь можно настраивать и взаимодействовать с гистограммами, линейными, круговыми и точечными диаграммами в разговоре. Просто укажи:

Построй график продаж по месяцам. Сделай линию красной, добавь точки данных

ChatGPT создаст интерактивный график, который можно будет скачать и вставить в презентацию.

Техника 3: Статистический анализ без PhD

ChatGPT понимает, как выполнять широкий спектр статистических анализов и способен выбирать подходящие методы на основе ваших требований.

Не знаешь, какой метод использовать? Просто опиши, что хочешь понять:

У меня есть данные о продажах за год. Хочу понять, есть ли сезонность и тренд

ChatGPT сам выберет нужный метод анализа и объяснит результаты человеческим языком.

Частые косяки и как их избежать

Косяк 1: Копипаст таблиц в чат Копирование и вставка таблиц в ChatGPT часто приводит к беспорядочному результату. Всегда загружай файлы через интерфейс!

Косяк 2: Игнорирование ошибок Если ChatGPT выдал ошибку — не паникуй. Просто попроси его исправить:

Получил ошибку [скопируй текст ошибки]. Исправь и попробуй другой подход

Косяк 3: Забывать про формат данных Перед загрузкой убедись, что даты в одном формате, числа без лишних символов, текст без спецсимволов. Сэкономишь кучу времени.

Реальные кейсы из практики

Кейс 1: Анализ продаж за квартал

Загрузил отчёт на 5000 строк, ChatGPT за 2 минуты:

• Очистил от дублей

• Сгруппировал по категориям

• Построил воронку продаж

• Выявил топ-10 клиентов

Вручную бы ебался часа три минимум.

Кейс 2: Сведение данных из 5 источников

Клиент прислал данные из CRM, Excel, Google Sheets и ещё хуй знает откуда. ChatGPT:

• Привёл всё к единому формату

• Объединил по ключевым полям

• Выявил расхождения

• Создал единый дашборд

Кейс 3: Подготовка отчёта для инвесторов

Возможность настраивать визуализации облегчает нетехническим стейкхолдерам подготовку готовых для презентации визуальных данных, поддерживающих их бизнес-решения. Сделал красивые графики за 15 минут вместо полдня в Excel.

Итог

Работа с таблицами в ChatGPT — это не ядерная физика, если знать правильный подход. Главные правила:

1. Давай контекст при загрузке

2. Используй правильную модель

3. Дели сложные задачи на простые

4. Не стесняйся просить исправить ошибки

5. Выгружай результаты в нужном формате

С этими знаниями ты сможешь обрабатывать данные в разы быстрее, чем твои коллеги, которые до сих пор мучаются в Excel.

В моём канале Шадрин + AI каждую неделю выходят такие же практичные гайды. Подписывайся, если хочешь автоматизировать рутину и освободить время для важных вещей.