SQL-5.1 DML Commands

SELECT อ่านข้อมูล แต่ DML (Data Manipulation Language) เปลี่ยนแปลงข้อมูล — INSERT เพิ่ม, UPDATE แก้, DELETE ลบ กฎข้อเดียว: เขียน WHERE ก่อนเสมอ

INSERT — เพิ่มข้อมูล

SQL

-- เพิ่มนักเรียน 1 คน
INSERT INTO students (student_id, name, email)
VALUES ('STD005', 'ธนา', 'thana@mail.com');

-- เพิ่มหลายคนพร้อมกัน
INSERT INTO students (student_id, name, email) VALUES
    ('STD006', 'ปิ่น', 'pin@mail.com'),
    ('STD007', 'แก้ว', 'kaew@mail.com'),
    ('STD008', 'โอม', 'ohm@mail.com');

-- ตรวจสอบ
SELECT * FROM students WHERE student_id IN ('STD005','STD006','STD007','STD008');

Tip

ระบุชื่อ column เสมอ — INSERT INTO students (student_id, name, email) VALUES (...) ดีกว่า INSERT INTO students VALUES (...) เพราะถ้าตารางเปลี่ยน column ลำดับ query จะพัง

Google Sheets

ใน Sheets การ INSERT คือการพิมพ์ข้อมูลลงในแถวใหม่ — ง่ายที่สุด แต่ไม่มี validation อัตโนมัติ

Python

import pandas as pd

new_row = pd.DataFrame([{
    'student_id': 'STD005',
    'name': 'ธนา',
    'email': 'thana@mail.com'
}])
df = pd.concat([df, new_row], ignore_index=True)

C

// ใน C, INSERT = เพิ่มข้อมูลลงใน array
students[count] = "STD005";
names[count] = "ธนา";
count++;
// ต้องเช็คว่า array ไม่เต็มก่อน!

UPDATE — แก้ไขข้อมูล

SQL

-- ⚠️ กฎ Safety: เขียน WHERE ก่อน แล้วค่อยเพิ่ม SET

-- ขั้น 1: SELECT ก่อน เพื่อดูว่าจะแก้แถวไหน
SELECT * FROM students WHERE student_id = 'STD001';

-- ขั้น 2: พอมั่นใจแล้ว ค่อย UPDATE
UPDATE students
SET email = 'somchai_new@mail.com'
WHERE student_id = 'STD001';

-- UPDATE หลายคอลัมน์
UPDATE students
SET name = 'สมชาย ใหม่',
    email = 'somchai2@mail.com'
WHERE student_id = 'STD001';

Danger

อย่า UPDATE โดยไม่มี WHERE!

-- อันตราย! จะแก้ทุกแถว!
UPDATE students SET email = 'wrong@mail.com';
-- ทุกคนจะมี email เดียวกัน!

Safety Pattern:

-- 1. SELECT ก่อนเสมอ
SELECT * FROM students WHERE student_id = 'STD001';
-- 2. ดูผลลัพธ์ — ใช่แถวที่ต้องการ?
-- 3. ค่อยเปลี่ยน SELECT เป็น UPDATE ... SET ...

Google Sheets

ใน Sheets การ UPDATE คือการพิมพ์ทับข้อมูลเดิม — ไม่มี WHERE, ไม่มี undo log

Python

# UPDATE = loc/iloc
df.loc[df['student_id'] == 'STD001', 'email'] = 'new@mail.com'

C

// UPDATE = overwrite ค่าใน array
for (int i = 0; i < count; i++) {
    if (strcmp(ids[i], "STD001") == 0) {
        emails[i] = "new@mail.com";
    }
}

DELETE — ลบข้อมูล

SQL

-- ⚠️ กฎเดียวกัน: SELECT ก่อน DELETE เสมอ

-- ขั้น 1: ดูก่อน
SELECT * FROM students WHERE student_id = 'STD008';

-- ขั้น 2: ค่อยลบ
DELETE FROM students
WHERE student_id = 'STD008';

-- ลบหลายแถว
DELETE FROM students
WHERE student_id IN ('STD006', 'STD007');

-- ลบด้วยเงื่อนไข
DELETE FROM enrollments
WHERE enrolled_on < '2025-01-01';

Danger

อย่า DELETE โดยไม่มี WHERE!

DELETE FROM students;  -- ลบทุกแถว! ข้อมูลหายหมด!

Safety Checklist:

1. SELECT COUNT(*) ... WHERE ... — ดูจำนวนแถวก่อน
2. BEGIN; — เริ่ม transaction
3. DELETE ... WHERE ... — ลบ
4. SELECT COUNT(*) — ตรวจสอบ
5. COMMIT; หรือ ROLLBACK; — ยืนยัน หรือ ยกเลิก

Google Sheets

ใน Sheets: คลิกขวา → Delete row — ไม่มี transaction, ไม่มี rollback (นอกจาก Ctrl+Z)

Python

# DELETE = drop rows
df = df[df['student_id'] != 'STD008']
# หรือ
df = df.drop(df[df['student_id'] == 'STD008'].index)

C

// DELETE ใน array = shift elements ลง
// ซับซ้อนกว่า SQL มาก — ต้อง manage memory เอง

สรุป Safety Rules

กฎ	ทำไม
เขียน WHERE ก่อน SET/DELETE	ป้องกันแก้/ลบทุกแถว
SELECT ก่อน UPDATE/DELETE	ดูว่าจะกระทบแถวไหน
ใช้ Transaction (BEGIN/COMMIT)	ยกเลิกได้ถ้าทำผิด
ระบุชื่อ column ใน INSERT	ป้องกัน column ลำดับเปลี่ยน