Pythonでデータの正規化・非正規化を適用する方法を完全ガイド！初心者でもわかるデータベース設計

1. データベースとPythonの基本的な関係

1. データベースとPythonの基本的な関係

データベースとは、たくさんの情報を整理して保存するための箱のようなものです。住所録や家計簿を紙で管理する代わりに、コンピュータの中で管理します。Python（パイソン）は、そのデータベースを操作するための道具です。

Pythonのデータベース操作では、「どのようにデータを並べて保存するか」がとても重要です。ここで登場する考え方が、正規化と非正規化です。

2. 正規化（セイキカ）とは何か？

2. 正規化（セイキカ）とは何か？

正規化とは、データをできるだけ重ならないように整理することです。たとえば、同じ人の名前や住所を何度も書かずに、必要なところから参照するイメージです。

紙のノートで考えると、「名前ノート」「住所ノート」を分けて管理するようなものです。これにより、修正が楽になり、間違いも減ります。

3. Pythonで正規化されたデータを扱う簡単な例

3. Pythonで正規化されたデータを扱う簡単な例

ここでは、PythonとSQLite（エスキューライト）という軽いデータベースを使った例を見てみます。難しい設定は不要です。

import sqlite3

conn = sqlite3.connect("sample.db")
cursor = conn.cursor()

cursor.execute("CREATE TABLE IF NOT EXISTS users (id INTEGER, name TEXT)")
cursor.execute("CREATE TABLE IF NOT EXISTS orders (user_id INTEGER, product TEXT)")

cursor.execute("INSERT INTO users VALUES (1, '山田')")
cursor.execute("INSERT INTO orders VALUES (1, 'りんご')")

conn.commit()
conn.close()

この例では、「利用者」と「注文」を別々の表に分けています。これが正規化された形です。

4. 正規化のメリットと注意点

4. 正規化のメリットと注意点

正規化のメリットは、データがきれいに整理され、同じ情報を何度も書かなくてよい点です。名前が変わった場合も、一か所直すだけで済みます。

一方で、複数の表を見比べる必要があり、初心者には少し分かりにくく感じることがあります。

5. 非正規化（ヒセイキカ）とは何か？

5. 非正規化（ヒセイキカ）とは何か？

非正規化とは、あえて情報をまとめて保存する方法です。紙のメモに「名前・住所・注文内容」を一行で全部書くようなイメージです。

読み出しが簡単で早くなるため、表示速度を重視する場面で使われます。

6. Pythonで非正規化されたデータの例

6. Pythonで非正規化されたデータの例

次は、すべての情報を一つの表にまとめた例です。

import sqlite3

conn = sqlite3.connect("sample2.db")
cursor = conn.cursor()

cursor.execute(
    "CREATE TABLE IF NOT EXISTS data (name TEXT, product TEXT)"
)

cursor.execute("INSERT INTO data VALUES ('山田', 'りんご')")

conn.commit()
conn.close()

この形は分かりやすいですが、同じ名前が何度も出てくる可能性があります。

7. 正規化と非正規化の使い分け

7. 正規化と非正規化の使い分け

正規化は「正確さ」と「管理のしやすさ」を重視します。非正規化は「速さ」と「分かりやすさ」を重視します。

Pythonのデータベース操作では、小さな学習用や個人利用なら非正規化、大きくなってきたら正規化を考えると理解しやすいです。

8. データの正規化をPythonで確認する簡単な読み取り例

8. データの正規化をPythonで確認する簡単な読み取り例

最後に、データを読み取る簡単なPythonコードを見てみましょう。

import sqlite3

conn = sqlite3.connect("sample.db")
cursor = conn.cursor()

for row in cursor.execute("SELECT * FROM users"):
    print(row)

conn.close()

(1, '山田')

このように、正規化されたデータもPythonで簡単に確認できます。