# فصل ۰۲ — اولین `SELECT`

<div dir="rtl">

# فصل ۰۲ — اولین `SELECT`

## در این فصل چه یاد می‌گیری

فصلِ قبل دو پرسش را اجرا کردیم بدونِ اینکه بگوییم چرا این‌طور نوشته شده‌اند. این فصل همان بدهی را می‌پردازد و در راه، اولین عددهای واقعی را از این جدول بیرون می‌کشد: **۹۴٬۱۹۱ امانت روی ۱٬۲۰۰ کتاب**.

و به عددی می‌رسیم که کلِ ترم را شکل می‌دهد. از همین یک ستونِ `rating` **دو میانگین** بیرون می‌آید — **۳٫۷۸۶۸۹۳۷۰۴۸۵۰۳۶۱۳** و **۳٫۰۵۷۹۱۶۶۶۶۶۶۶۶۷** — و هیچ‌کدام غلط محاسبه نشده‌اند. تفاوتشان در چیزی است که هنوز اسمش را نبرده‌ایم.

![یک ترازوی دو کفه‌ای که یک کفه‌اش سوراخ دارد و بخشی از وزنه‌ها از آن بیرون ریخته‌اند](/lesson-assets/t1-s02-first-select/prompt/01-image-leaking-pan.png)

آخر این فصل می‌توانی:

- یک پرسشِ `SELECT` بنویسی که فقط ستون‌های لازم را برمی‌گرداند
- با `LIMIT` قبل از هر کارِ دیگری چند سطر نمونه ببینی
- با `AS` نامِ خروجی را خودت انتخاب کنی و با `--` توضیح بگذاری
- سه عددِ کلی از یک جدول بگیری: `COUNT(*)` و `SUM` و `AVG`
- بگویی `AVG` روی چند سطر حساب کرده — نه چند سطر در جدول هست

## قبل از شروع

**از فصلِ ۱:** جدول و سطر و ستون، اتصال، و تابعِ `q(...)`. **یک سطر از `books` یعنی یک عنوانِ کتاب که در یکی از شعبه‌ها ثبت شده** — این جمله در هر فصلِ این ترم تکرار می‌شود چون هر عددی که می‌سازیم رویش سوار است.

> 📓 **نوت‌بوک:** [نوت‌بوک این فصل را در Colab باز کن](/notebooks/avand/term-1-reading-data/session-02-first-select.ipynb) — همهٔ کدهای این فصل آماده و به‌ترتیب داخلش هست.

</div>

| جدول | تعدادِ سطر | زمانِ ساخت |
|---|---|---|
| `books` | ۱٬۲۰۰ | کمتر از یک ثانیه |
| `branches` | ۶ | آنی |

<div dir="rtl">

## ۱. `SELECT` و `FROM`: کدام ستون‌ها، از کدام جدول

کوچک‌ترین پرسشِ ممکن دو تکه دارد: **چه چیزی می‌خواهی** و **از کجا**.

`SELECT` فهرستِ ستون‌هایی است که می‌خواهی. `FROM` نامِ جدول است. همین.

**یک قاعدهٔ نگارشی که از همین اولین پرسش رعایتش کن:** کلیدواژه‌ها با حروفِ بزرگ، نامِ جدول و ستون با حروفِ کوچک. در پرسشِ سه‌کلمه‌ای فرقی نمی‌کند؛ در پرسشِ ده‌خطیِ ترمِ ۳ تنها چیزی است که می‌گذارد با یک نگاه ساختار را از داده جدا کنی.

</div>

```python
print(q("SELECT title, author, borrowed FROM books"))
```

```text
                title        author  borrowed
0           روزهای پل    مهدی سلیمی        33
1         مه در باران    رویا رحیمی        20
2          روزهای خاک   سعید کاشانی         1
3          مه پشت آتش   سیما نیکزاد        86
4     بازگشت به باران   سعید کاشانی        53
...               ...           ...       ...
1195     خاک پشت جنگل  فرهاد نیکزاد       135
1196        دریا و مه    سعید توکلی         0
1197       برف پشت مه  شیرین فرهنگی         2
1198     روزهای باران  الهام کاشانی         0
1199   بازگشت به کویر     بابک بیات       138

[1200 rows x 3 columns]
```

<div dir="rtl">

**آن سه نقطهٔ وسط را `pandas` گذاشته، نه پایگاه داده.** هر ۱٬۲۰۰ سطر واقعاً آمد؛ `pandas` فقط برای نمایش خلاصه‌شان کرد. این دقیقاً همان اشتباهی است که فصلِ ۱ اندازه‌اش را گرفت — هزینه پرداخت شد و بعد دور ریخته شد.

## ۲. `LIMIT`: اول نگاه کن، بعد بپرس

`LIMIT n` به پایگاه داده می‌گوید بعد از `n` سطر بس کند.

</div>

```python
print(q("SELECT title, author, borrowed FROM books LIMIT 5"))
```

```text
             title       author  borrowed
0        روزهای پل   مهدی سلیمی        33
1      مه در باران   رویا رحیمی        20
2       روزهای خاک  سعید کاشانی         1
3       مه پشت آتش  سیما نیکزاد        86
4  بازگشت به باران  سعید کاشانی        53
```

<div dir="rtl">

**این اولین کاری است که روی هر جدولِ ناآشنایی باید بکنی.** قبل از هر عددی، قبل از هر گزارشی، پنج سطر نمونه ببین. نصفِ اشتباه‌هایی که در این دوره جلوی‌شان را می‌گیریم با همین یک نگاه پیدا می‌شوند.

> ⚠️ **مواظب باش:** `LIMIT 5` **پنج سطرِ اول** را نمی‌دهد، پنج سطر می‌دهد. «اول» تا وقتی ترتیبی نگفته باشی معنایی ندارد؛ اینجا اتفاقاً همان ترتیبِ ثبت درآمده، ولی این یک تصادف است نه یک تضمین. فصلِ ۴ کلِ ماجرا را باز می‌کند.

## ۳. ستون‌ها را اسم ببر، `*` ننویس

`*` یعنی «همهٔ ستون‌ها». برای یک نگاهِ اولیه خوب است و در فصلِ ۱ هم از همان استفاده کردیم. برای هر چیزِ دیگری عادتِ بدی است، و دلیلش قابلِ اندازه‌گیری است:

</div>

```python
star = q("SELECT * FROM books LIMIT 5")
three = q("SELECT title, author, borrowed FROM books LIMIT 5")

print("SELECT *          →", star.shape[0], "سطر ×", star.shape[1], "ستون =",
      star.shape[0] * star.shape[1], "خانه")
print("SELECT سه ستون    →", three.shape[0], "سطر ×", three.shape[1], "ستون =",
      three.shape[0] * three.shape[1], "خانه")
```

```text
SELECT *          → 5 سطر × 13 ستون = 65 خانه
SELECT سه ستون    → 5 سطر × 3 ستون = 15 خانه
```

<div dir="rtl">

روی پنج سطر، ۶۵ در برابرِ ۱۵. روی هزار سطر همان نسبت است و عددها دویست برابر: ۱۳٬۰۰۰ در برابرِ ۳٬۰۰۰.

**و دلیلِ دومی هم دارد که از اولی مهم‌تر است: `*` یعنی پرسشِ تو به شکلِ امروزیِ جدول وابسته است.** اگر فردا کسی ستونی اضافه کند، خروجیِ پرسشِ تو بی‌خبر عوض می‌شود. وقتی ستون‌ها را اسم برده باشی، هیچ اتفاقی نمی‌افتد.

## ۴. `AS` و کامنتِ `--`

`AS` نامِ ستون را در **خروجی** عوض می‌کند، نه در جدول. و هر چیزی بعد از `--` تا آخرِ همان خط، توضیح است و اجرا نمی‌شود.

</div>

```python
print(q("""
    -- ستون borrowed اسم گویایی ندارد؛ در خروجی اسم بهتری برایش می‌گذاریم
    SELECT title            AS name,
           borrowed         AS times_borrowed
    FROM books
    LIMIT 3
"""))
```

```text
          name  times_borrowed
0    روزهای پل              33
1  مه در باران              20
2   روزهای خاک               1
```

<div dir="rtl">

`AS` وقتی ضروری می‌شود که ستونِ خروجی اصلاً در جدول وجود نداشته باشد — مثلِ نتیجهٔ یک شمارش. بخشِ بعد را ببین.

## ۵. اولین عددها: `COUNT(*)`، `SUM`، `AVG`

تا اینجا هر پرسشی سطر برمی‌گرداند. این سه تابع کارِ متفاوتی می‌کنند: **از کلِ جدول یک عدد می‌سازند.**

- `COUNT(*)` سطرها را می‌شمارد.
- `SUM(col)` مقدارهای یک ستون را جمع می‌زند.
- `AVG(col)` میانگینشان را می‌گیرد.

</div>

```python
print(q("""
    SELECT COUNT(*)      AS books,
           SUM(borrowed) AS all_borrows,
           AVG(borrowed) AS borrows_per_book,
           AVG(pages)    AS pages_per_book
    FROM books
"""))
```

```text
   books  all_borrows  borrows_per_book  pages_per_book
0   1200        94191           78.4925      503.798333
```

<div dir="rtl">

یک سطر، چهار عدد. **و اینجا دانه‌بندیِ نتیجه عوض شد:** ورودی ۱٬۲۰۰ سطر بود که هرکدام یک کتاب بودند، خروجی یک سطر است که یعنی «کلِ فهرست». هر بار که یک تابعِ تجمیعی می‌نویسی همین اتفاق می‌افتد، و ترمِ ۲ تمامش دربارهٔ کنترل کردنِ همین است.

> ✅ **چک کن:** `78.4925` باید دقیقاً `94191 / 1200` باشد. حساب کن. اگر نشد، ستونی را جمع زده‌ای که با ستونی که شمرده‌ای یکی نیست — و این شایع‌ترین شکلِ عددِ غلط در گزارش‌های واقعی است.

## ۶. دو میانگین از یک ستون، و هیچ‌کدام غلط نیست

حالا همان `AVG` را روی ستونِ `rating` بگیریم و کنارش، همان میانگین را از راهِ دستی حساب کنیم: جمعِ ستون تقسیم بر تعدادِ سطرهای جدول.

</div>

```python
row = q("""
    SELECT COUNT(*)    AS n,
           SUM(rating) AS rating_sum,
           AVG(rating) AS rating_avg
    FROM books
""")
print(row)
print()
print("AVG(rating) چه می‌گوید       :", float(row["rating_avg"][0]))
print("SUM(rating) تقسیم بر COUNT(*):", float(row["rating_sum"][0]) / int(row["n"][0]))
```

```text
      n  rating_sum  rating_avg
0  1200      3669.5    3.786894

AVG(rating) چه می‌گوید       : 3.7868937048503613
SUM(rating) تقسیم بر COUNT(*): 3.057916666666667
```

<div dir="rtl">

**دو عدد، از یک ستون، در یک پرسش. اختلافشان بیش از هفت‌دهم است.**

هیچ‌کدام اشتباه حساب نشده‌اند. `SUM` و `COUNT(*)` هر دو درست‌اند، و `AVG` هم درست است. **تفاوت در مخرج است: `AVG` بر ۱٬۲۰۰ تقسیم نکرده.**

بر چه تقسیم کرده؟ عددش را می‌شود از همین دو خط درآورد: `3669.5 / 3.7868937048503613` می‌شود ۹۶۹. یعنی `AVG` دویست‌وسی‌ویک سطر را اصلاً به حساب نیاورده.

**چرا؟ و آیا آن ۲۳۱ سطر تصادفی انتخاب شده‌اند؟** جوابِ دوم «نه» است و همان چیزی است که فصلِ ۶ را به یک فصلِ ⚠️ تبدیل می‌کند. فعلاً همین‌قدر بدان که ستونِ `rating` در بعضی سطرها **خالی** است، و `AVG` سطرهای خالی را نمی‌شمارد. فصلِ ۶ کاملاً بازش می‌کند و نشان می‌دهد آن ۲۳۱ کتاب چه ویژگیِ مشترکی دارند.

**پس دو عدد داری و باید انتخاب کنی، و انتخاب به پرسشت بستگی دارد:** «میانگینِ امتیازِ کتاب‌هایی که امتیاز خورده‌اند» یعنی ۳٫۷۹. «میانگینِ امتیاز اگر کتابِ بی‌امتیاز را صفر بگیریم» یعنی ۳٫۰۶. اولی معمولاً چیزی است که می‌خواهی؛ دومی معمولاً چیزی است که به‌اشتباه گزارش می‌شود.

## ۷. شمارشِ دوم

قانونِ دومِ این دوره: **هر عدد را با یک شمارشِ دوم بسنج.** نه به این خاطر که به `SQLite` بی‌اعتمادیم — به این خاطر که به **پرسشِ خودمان** بی‌اعتمادیم.

</div>

```python
in_sql = int(q("SELECT SUM(borrowed) FROM books").iloc[0, 0])
in_python = sum(row[0] for row in con.execute("SELECT borrowed FROM books"))

print("SUM در SQL    :", in_sql)
print("جمع در پایتون :", in_python)
print("دو شمارش یکی‌اند؟", in_sql == in_python)
```

```text
SUM در SQL    : 94191
جمع در پایتون : 94191
دو شمارش یکی‌اند؟ True
```

<div dir="rtl">

> 📏 **اندازه بگیر:** **یک سطر یعنی چه؟** نتیجهٔ بخشِ ۵ یک سطر دارد و آن سطر یعنی «کلِ فهرست» — نه یک کتاب، نه یک شعبه. **با کدام شمارشِ دوم سنجیدی؟** جمعِ ستونِ `borrowed` را دو بار از دو مسیرِ مستقل گرفتیم: یک بار داخلِ پایگاه داده با `SUM` و یک بار در پایتون روی تک‌تکِ سطرها. هر دو ۹۴٬۱۹۱. **چه کسی از قلم افتاد؟** دو گروه: ۲۴۰ سطرِ `arrivals.csv` که هنوز وارد نشده‌اند، و — تازه در همین فصل کشفش کردیم — ۲۳۱ سطری که `AVG(rating)` بی‌صدا کنار گذاشت.

> 🔧 **اگر کار نکرد:** نامِ ستون را غلط تایپ کن تا ببینی چه می‌شود. این خطا را در کارِ واقعی روزی چند بار می‌گیری:

</div>

```python
try:
    q("SELECT titel FROM books LIMIT 3")
except Exception as error:
    print(type(error).__module__ + "." + type(error).__name__)
    print(error)
```

```text
pandas.errors.DatabaseError
Execution failed on sql 'SELECT titel FROM books LIMIT 3': no such column: titel
```

<div dir="rtl">

**دو لایه در این پیام هست و هر دو را باید بخوانی.** بیرونی‌اش `pandas.errors.DatabaseError` است، چون `q` از `pandas` رد می‌شود. جملهٔ آخر — `no such column: titel` — از خودِ `SQLite` است و همان است که به دردت می‌خورد. عادت کن پیام را از **آخر** بخوانی.

> 🤖 **از دستیارت بپرس:** «فرقِ `COUNT(*)` با `COUNT(1)` در `SQLite` چیست؟» بعد این را بپرس: **«اگر یک ستون در بعضی سطرها خالی باشد، `AVG` آن سطرها را چطور حساب می‌کند: صفر می‌گیرد یا نادیده می‌گیرد؟»** — جوابِ درست «نادیده می‌گیرد» است، و اگر دستیارت «صفر می‌گیرد» گفت، خودت همین حالا با عددهای بخشِ ۶ ردش کن.

## واژه‌های تازهٔ این فصل

</div>

| کلمه | تلفظ به حروف فارسی | یعنی چه |
|---|---|---|
| SELECT | سلکت | بندی که می‌گوید چه ستون‌هایی می‌خواهی |
| FROM | فرام | بندی که می‌گوید از کدام جدول |
| LIMIT | لیمیت | سقفِ تعدادِ سطرهای برگشتی |
| alias | الیاس | نامِ تازه‌ای که با `AS` برای ستونِ خروجی می‌گذاری |
| aggregate | اگریگیت | تابعی که از چند سطر یک عدد می‌سازد |

<div dir="rtl">

## تمرین‌ها

قبل از تمرین، بدونِ نگاه به بالا جواب بده: `AVG(rating)` بر چه عددی تقسیم کرد، و آن عدد را از کجا درآوردیم؟

**تمرینِ اجباری:** میانگینِ `pages` را دو بار حساب کن — یک بار با `AVG(pages)` و یک بار با `SUM(pages)` تقسیم بر `COUNT(*)` در پایتون — و **هر دو عدد را چاپ کن**. این دو باید دقیقاً یکی باشند. بعد همین کار را با ستونِ `rating` تکرار کن و ببین یکی نیستند. **جوابِ سؤالِ اصلی را بنویس: چه چیزی در `pages` هست که در `rating` نیست؟**

**تمرینِ ستاره‌دار ⭐:** پنج کتابِ اولِ جدول را با `LIMIT 5` بگیر، بعد نوت‌بوک را `Restart session and run all` کن و دوباره بگیر. **همان پنج‌تا هستند؟** حالا سخت‌ترش: بدونِ استفاده از هیچ ابزارِ تازه‌ای، **استدلال کن** که آیا `SQLite` موظف است هر بار همان پنج سطر را بدهد یا نه. جوابت را بنویس و در فصلِ ۴ با آنچه می‌خوانی مقایسه کن.

## در فصل بعد

تا اینجا هر پرسشی دربارهٔ **همهٔ** ۱٬۲۰۰ سطر بود. فصلِ بعد `WHERE` را می‌آورد — بندی که می‌گوید کدام سطرها. و با یک تلهٔ واقعی شروع می‌کند: **دو پرسش که تنها تفاوتشان یک جفت پرانتز است، یکی ۱۸۱ سطر می‌دهد و دیگری ۳۵ سطر.**

</div>

---
Source: https://yaadestan.com/courses/avand/lessons/t1/s02-first-select (یادستان, Yaadestan)
