Реляционные базы данных

1. 1. Шаг 1. Разберём каждую операцию так, как это делает программа: подставим вместо ключей значения из справочников и проверим четыре условия. Сама операция не знает ни района, ни наименования — их надо подтянуть.
2. 2. Шаг 2. Операция 12.10, магазин 1, артикул 1001, 40 шт., Продажа. Магазин 1 → Центральный ✔ Артикул 1001 → Кефир 1% ✔ Тип «Продажа» ✔ Но дата 12 октября раньше 13-го ✘ Строка отбрасывается. Сорок упаковок не в счёт.
3. 3. Шаг 3. Операция 13.10, магазин 1, артикул 1001, 25 шт., Продажа. Район Центральный ✔ Товар Кефир 1% ✔ Тип «Продажа» ✔ Дата 13 октября — граница периода, и она входит ✔ Считаем: 25 × 78 = 1950 руб. Накопитель равен 1950.
4. 4. Шаг 4. Операция 14.10, магазин 2, артикул 1001, 60 шт., Продажа. Товар и тип подходят, дата в периоде, но магазин 2 — это Кировский район ✘ Здесь и прячется ловушка: без справочника магазинов в самой операции стоит безобидное число 2, и строку легко засчитать по ошибке.
5. 5. Шаг 5. Операция 15.10, магазин 1, артикул 1001, 30 шт., Поступление. Всё совпадает, кроме типа: это поступление товара в магазин, а не продажа ✘ Тридцать упаковок приехали на склад, денег покупатели не платили.
6. 6. Шаг 6. Операция 18.10, магазин 3, артикул 1001, 18 шт., Продажа. Магазин 3 → Центральный ✔ Именно здесь второй раз спотыкаются: в Центральном районе два магазина, 1 и 3, и учитывать надо оба. Считаем: 18 × 78 = 1404 руб. Накопитель 1950 + 1404 = 3354.
7. 7. Шаг 7. Операция 21.10, магазин 1, артикул 1002, 12 шт., Продажа. Район и дата подходят, но артикул 1002 → Сметана 20%, а нас просили про кефир ✘
8. 8. Шаг 8. Операция 21.10, магазин 3, артикул 1001, 10 шт., Продажа. Всё сходится, дата 21 октября — вторая граница, тоже входит ✔ Считаем: 10 × 78 = 780 руб. Накопитель 3354 + 780 = 4134.
9. 9. Шаг 9. Операция 22.10, магазин 1, артикул 1001, 50 шт., Продажа. Дата на день позже конца периода ✘ Пятьдесят упаковок — заметная сумма, и если перепутать «по 21-е» с «до 22-го», ответ вырастет на 3900 руб.
10. 10. Шаг 10. Итог: 1950 + 1404 + 780 = 4134 руб. Из восьми операций подошли три, и каждая отброшенная строка не прошла по своей причине: дата раньше, чужой район, не тот тип, не тот товар, дата позже. Так устроены и боевые файлы, только строк там несколько тысяч.

Ответ: 4134 руб.

1. 1.

   Шаг 1. План повторяет ручной разбор: сначала прочитать два справочника в словари, потом один раз пройти по таблице операций. Вся программа:

   ```python

   from openpyxl import load_workbook
   from datetime import datetime

   wb = load<sub>workbook</sub>('l3-b954af29a0.xlsx')

   rayon_magazina = {}
   for id_mag, rayon, adres in wb['Магазин'].iter_rows(min_row=2, values_only=True):
       rayon_magazina[id_mag] = rayon

   opisanie_tovara = {}
   for artikul, otdel, nazvanie, ed, v_upakovke, cena in wb['Товар'].iter_rows(min_row=2, values_only=True):
       opisanie_tovara[artikul] = (nazvanie, cena)

   nachalo = datetime(2024, 10, 13)
   konec = datetime(2024, 10, 21)

   itog = 0
   for nomer, data_op, id_mag, artikul, kolichestvo, tip in wb['Движение товаров'].iter_rows(min_row=2, values_only=True):
       if tip != 'Продажа':
           continue

   nazvanie, cena = opisanie<sub>tovara</sub>[artikul]

       if nazvanie != 'Кефир 1%':
           continue
       if rayon_magazina[id_mag] != 'Центральный':
           continue
       if not (nachalo <= data_op <= konec):
           continue
       itog += kolichestvo * cena

   print(itog) ```

2. 2. Шаг 2. Зачем справочники кладут в словари, а не ищут по списку каждый раз? Потому что поиск в словаре по ключу занимает одинаковое время независимо от размера, а перебор списка — тем дольше, чем он длиннее. В файле восемь тысяч операций и, скажем, сорок магазинов; перебор дал бы триста двадцать тысяч сравнений вместо восьми тысяч мгновенных обращений. На линии 3 это не критично, но привычка правильная — в линии 27 она решает всё.
3. 3. Шаг 3. Строка for id_mag, rayon, adres in ... распаковывает кортеж строки сразу в три имени, по числу столбцов листа «Магазин». Если столбцов окажется больше, Python скажет too many values to unpack — сигнал, что вы не посмотрели шапку файла. Смотреть шапку перед написанием кода обязательно: порядок полей в разных вариантах может отличаться.
4. 4. Шаг 4. Параметр min<sub>row</sub>=2 пропускает строку заголовков. Без него первой «операцией» окажется набор подписей «ID операции», «Дата», …, и на сравнении даты программа упадёт с ошибкой типов. Это ровно та ошибка, которую новички лечат случайными правками, хотя причина одна.
5. 5. Шаг 5. Проследим выполнение на восьми демонстрационных операциях. Первая, 12.10, 40 шт.: тип «Продажа» — проходит; наименование «Кефир 1%» — проходит; район Центральный — проходит; дата 12 октября меньше nachalo, условие nachalo <= data_op ложно → continue. Накопитель 0.
6. 6. Шаг 6. Вторая, 13.10, 25 шт.: все четыре проверки истинны. Двойное сравнение nachalo <= data_op <= konec в Python работает как обычная математическая запись — это одно выражение, а не два. Накопитель: 0 + 25 × 78 = 1950.
7. 7. Шаг 7. Третья, 14.10, магазин 2, 60 шт.: rayon_magazina[2] возвращает «Кировский», сравнение с «Центральный» ложно → continue. Накопитель 1950. Четвёртая, 15.10, Поступление: отсекается первой же проверкой, до справочников дело не доходит. Порядок проверок выбран так, чтобы самые дешёвые шли первыми.
8. 8. Шаг 8. Пятая, 18.10, магазин 3, 18 шт.: rayon_magazina[3] — тоже «Центральный», строка засчитана. Накопитель: 1950 + 1404 = 3354. Шестая, 21.10, артикул 1002: opisanie_tovara[1002] даёт «Сметана 20%» → continue.
9. 9. Шаг 9. Седьмая, 21.10, магазин 3, 10 шт.: дата равна konec, нестрогое сравнение пропускает её. Накопитель: 3354 + 780 = 4134. Восьмая, 22.10: дата больше konec → continue. Цикл закончился, print выводит 4134 — ровно то, что мы получили руками.
10. 10. Шаг 10. Две поломки, которые случаются именно с этим файлом. Первая: TypeError: '<=' not supported between instances of 'str' and 'datetime' — значит, даты в листе хранятся текстом, а не датами. Лечится разбором строки: data_op = datetime.strptime(data_op, '%d.%m.%Y'). Вторая: KeyError на артикуле — в таблице операций встретился артикул, которого нет в справочнике товаров; в боевых файлах такого не бывает, значит, вы читаете не тот лист или забыли min_row=2.
11. 11. Шаг 11. Ответ выводится целым числом, если цены целые. Когда в файле попадаются копейки, итог печатайте как print(round(itog)) или в том виде, который требует формулировка, — но округляйте только в конце, иначе набежит расхождение в несколько рублей и балл потеряется.

Ответ: 4134 (программа выводит ту же сумму, что получена вручную)

1. 1. Шаг 1. В таблице нельзя «подтянуть» район прямо в условии — придётся сначала дописать недостающие поля служебными столбцами. Лист «Движение товаров» занимает столбцы A–F: A — ID операции, B — дата, C — ID магазина, D — артикул, E — количество упаковок, F — тип операции. Свободны G и дальше.
2. 2.

   Шаг 2. Столбец G — район магазина. В ячейку G2 пишем

   =ВПР(C2; Магазин!$A$2:$C$100; 2; ЛОЖЬ)

   и протягиваем вниз. Функция ВПР ищет значение C2 в первом столбце указанного диапазона и возвращает значение из столбца с номером 2 того же диапазона, то есть район.

3. 3. Шаг 3. Разберём аргументы, потому что здесь теряют больше всего времени. Диапазон закреплён долларами — $A$2:$C$100: при протягивании он не должен съезжать, иначе нижние строки будут искать в обрезанном справочнике. А вот C2 закреплять нельзя: каждая строка смотрит на свой магазин. Последний аргумент ЛОЖЬ означает «точное совпадение»; без него ВПР ищет приблизительно и на неотсортированном справочнике выдаёт чужие значения молча, без ошибки.
4. 4. Шаг 4. Столбец H — наименование товара: =ВПР(D2; Товар!$A$2:$F$100; 3; ЛОЖЬ). Номер 3 — потому что на листе «Товар» наименование стоит третьим столбцом (артикул, отдел, наименование). Номер столбца считается внутри диапазона, а не по всему листу; если начать диапазон не с A, нумерация сдвинется, и это ещё одна классическая ошибка.
5. 5. Шаг 5. Столбец I — стоимость операции: =E2 * ВПР(D2; Товар!$A$2:$F$100; 6; ЛОЖЬ). Шестой столбец справочника — цена за упаковку. Умножаем её на количество упаковок из E2. Поле «Количество в упаковке» (пятый столбец) в этой формулировке не участвует: цена дана именно за упаковку, а не за литр. Прочитать условие и понять, какая из двух величин нужна, — половина решения.
6. 6.

   Шаг 6. Теперь всё нужное лежит в одной строке, и остаётся одна формула:

   =СУММЕСЛИМН(I2:I1000; H2:H1000; "Кефир 1%"; G2:G1000; "Центральный"; F2:F1000; "Продажа"; B2:B1000; ">=" & ДАТА(2024;10;13); B2:B1000; "<=" & ДАТА(2024;10;21))

7. 7. Шаг 7. Устройство СУММЕСЛИМН простое: первым идёт диапазон, который суммируем, дальше пары «диапазон условия — само условие». Пар может быть сколько угодно, и все они соединяются по И: строка попадает в сумму, только если выполнены все условия. Именно это нам и нужно — четыре фильтра сразу.
8. 8. Шаг 8. Условия по датам записаны как текст со склейкой: знак сравнения в кавычках, амперсанд и функция ДАТА. Почему не написать ">=13.10.2024" целиком? Потому что распознавание даты внутри текста зависит от региональных настроек, и на чужом компьютере условие может не сработать. Функция ДАТА задаёт дату однозначно.
9. 9. Шаг 9. На нашей демонстрационной таблице из восьми строк формула даст 4134. Проверить себя легко: включите в служебном столбце фильтр по району «Центральный» и типу «Продажа» — останутся строки, которые мы разбирали руками, и их сумму покажет строка состояния внизу окна.
10. 10. Шаг 10. Что выбрать на экзамене? Если вы уверенно пишете ВПР, таблица быстрее: три формулы и протягивание занимают минуты три. Если формулы даются тяжело — Python надёжнее, потому что каждый фильтр там виден отдельной строкой и его легко проверить. Оба пути дают один и тот же балл; провальный путь только один — считать глазами.

Ответ: 4134 руб. — совпадает с ручным разбором и с программой

1. 1. Шаг 1. Ключ обязан однозначно определять запись: по его значению должна находиться ровно одна строка. Значит, проверка сводится к вопросу «есть ли в столбце повторы». Повторился хоть раз — ключом быть не может.
2. 2. Шаг 2. Поле Артикул: 1001, 1002, 1003, 1004, 1005, 1006 — все значения различны ✔ Кандидат в ключи. Это и есть ключ таблицы «Товар» в задании 3, поэтому именно на артикул ссылается таблица операций.
3. 3. Шаг 3. Поле Наименование товара: «Кефир 1%» встречается в записях 1001 и 1004, «Творог 5%» — в 1003 и 1006 ✘ Ключом быть не может. И это не выдумка ради примера: один и тот же продукт от разных поставщиков получает разные артикулы при одинаковом названии.
4. 4. Шаг 4. Поле Отдел: во всех шести записях «Молочный» ✘ Столбец, где значение вообще одно на всю таблицу, бесполезен для различения записей — он несёт ноль информации о том, какая именно это строка.
5. 5. Шаг 5. Поле Цена: 78, 145, 96, 82, 210, 96 — значение 96 повторилось ✘ И даже если бы все цены случайно оказались различными, ключом такое поле делать нельзя: завтра цены поменяются, и уникальность исчезнет. Ключ выбирают по смыслу, а не по удачному стечению данных.
6. 6. Шаг 6. Пара полей тоже может быть ключом — такой называют составным. Пара (Наименование, Цена): («Кефир 1%», 78), («Сметана 20%», 145), («Творог 5%», 96), («Кефир 1%», 82), («Масло 82,5%», 210), («Творог 5%», 96). Последняя пара совпала с третьей ✘ А вот пара (Наименование, Артикул) уникальна — но она уникальна лишь потому, что уникален артикул, и второе поле в ней лишнее.
7. 7.

   Шаг 7. На реальном файле такие проверки делают программой. Вот она:

   ```python

   from openpyxl import load_workbook
   from collections import Counter

   wb = load_workbook('l3-b954af29a0.xlsx')
   list_tovar = wb['Товар']

   shapka = [yacheyka.value for yacheyka in list_tovar[1]]
   stroki = list(list_tovar.iter_rows(min_row=2, values_only=True))

   for nomer, imya_polya in enumerate(shapka):
       znacheniya = [stroka[nomer] for stroka in stroki]
       schetchik = Counter(znacheniya)
       povtory = [z for z, k in schetchik.items() if k > 1]
       if povtory:
           print(imya_polya, '— не ключ, повторы:', povtory[:3])
       else:
           print(imya_polya, '— может быть ключом')

   ```

8. 8. Шаг 8. Разберём устройство. Выражение list_tovar[1] берёт первую строку листа — шапку, и список shapka хранит названия полей. Дальше enumerate(shapka) выдаёт пары «номер столбца, название», а stroka[nomer] достаёт из каждой строки значение именно этого столбца. Получается перебор по столбцам, хотя данные лежат по строкам.
9. 9. Шаг 9. Класс Counter из модуля collections считает, сколько раз встретилось каждое значение: это словарь «значение → количество». Список povtory собирает те значения, что встретились больше одного раза. Срез [:3] в выводе нужен, чтобы не залить экран тысячами повторов при проверке поля вроде «Отдел».
10. 10. Шаг 10. Проследим на наших шести записях. Столбец 0 — «Артикул»: Counter даёт по единице на каждое значение, povtory пуст → печатается «может быть ключом». Столбец 1 — «Наименование»: Counter выдаёт {'Кефир 1%': 2, 'Сметана 20%': 1, 'Творог 5%': 2, 'Масло 82,5%': 1}, повторы найдены → «не ключ». Столбец 2 — «Отдел»: {'Молочный': 6} → «не ключ». Столбец 3 — «Цена»: повтор 96 → «не ключ».
11. 11. Шаг 11. Зачем это на экзамене, если в линии 3 ключи и так отмечены значком на схеме? Затем, что проверка уникальности — рабочий инструмент и в других линиях: так ищут дубликаты строк в файле, и так понимают, по какому полю таблицы соединяются, если схема нарисована неразборчиво. Один запуск даёт полную картину полей за секунду.

Ответ: ключом может быть только Артикул; наименование, отдел и цена повторяются