Duplicados

Resumen

Query de inserción

insert into platzi.alumnos (id, nombre, apellido, email, colegiatura, fecha_incorporacion, carrera_id, tutor_id) values (1001, 'Pamelina', null, 'pmylchreestrr@salon.com', 4800, '2020-04-26 10:18:51', 12, 16)

Ruiz Julieth

student•

Query Ejercicio:

insert into platzi.alumnos (id, nombre, apellido, email, colegiatura, fecha_incorporacion, carrera_id, tutor_id) values (1000, 'Pamelina', null, 'pmylchreestrr@salon.com', 4800, '2020-04-26 10:18:51', 12, 16);

Emmi Raffo

student•

Gracias, atentos al id, en clases el id no se repite, debería ser 1001

Ruiz Julieth

student•

¡Saludos Emmi!, gracias a ti, me equivoqué, Les comparto el correcto:

insert into platzi.alumnos (id, nombre, apellido, email, colegiatura, fecha_incorporacion, carrera_id, tutor_id) values (1001, 'Pamelina', null, 'pmylchreestrr@salon.com', 4800, '2020-04-26 10:18:51', 12, 16);```

Carlos Contreras

student•

La cláusula HAVING es una implemetacion que el sistema gestor de bases de datos SQL crea para complementar el condicionante WHERE, ya que el condicionante WHERE no permite utilizar funciones de agregación como SUM, MAX, MIN o AVG, es decir, con un condicionante WHERE no podemos crear consultas válidas que sean capaz de devolvernos los datos de los clientes que compraron más de 1000 productos durante un año, por ejemplo.

Tener esto en cuenta por si tampoco entendieron nada y este es su primer curso de base de datos ;)

karen gonzalez

student•

gracias!!!

Juan Esteban Bolívar Ferrer

student•

Gracias por la aclaración!

frluenga

student•

En el ejercicio de encontrar un DUPLICADO, se está haciendo una partición de la tabla de todos los valores en filas de cada una de las variables o columnas de la tabla a excepción del id, el cual no puede ser igual y no se repite al ser una primary key.

Cuando se aplica esta partición en cada valor se hace único los valores, es decir, cada row viene siendo una partición, y al utilizar la función agregada que en este caso es ROW_NUMBER() va a contar los valores de cada una de las particiones haciendo que se reinicie los “números de fila” cuando salta de partición en partición. por eso, cuando encuentra dos valores iguales, enumera los dos valores, dejando como valor en su row un 2.

karen gonzalez

student•

gracias!!

Elisa Almazán

student•

¡Muchas gracias, tu explicación me ayudó a entender ese query!

Víctor Hugo Maya Sandoval

student•

Por si necesitan el código para insertar una fila

insert into platzi.alumnos (id, nombre, apellido, email, colegiatura, fecha_incorporacion, carrera_id, tutor_id) values (1001, 'Pamelina', null, 'pmylchreestrr@salon.com', 4800, '2020-04-26 10:18:51', 12, 16);

Luis Angel Pasos Montalvo

student•

GRacias!

Nelson Diaz

student•

Por lógica no puede existir 2 correos iguales, por lo tanto realice la actividad en base a eso

Primero certifique que existían correos duplicados.

SELECT email,COUNT(*)
FROM platzi.alumnos
GROUP BY email
HAVING COUNT(*) > 1;

De esa forma obtuve el nombre del correo repetido, en base a ello, se que puedo realizar la agrupación por partición utilizando unicamente el correo.

Ahora valido que obtengo el id del correo duplicado.

SELECT id 
FROM (
	SELECT id, ROW_NUMBER() OVER(PARTITION BY email ORDER BY id) AS row
	FROM platzi.alumnos
) AS duplicados
WHERE duplicados.row > 1;

Una vez certificado que obtengo el id del dato duplicado, procedo a borrar el registro.

DELETE FROM platzi.alumnos
where id = (
SELECT id 
FROM (
	SELECT id, ROW_NUMBER() OVER(PARTITION BY email ORDER BY id) AS row
	FROM platzi.alumnos
) AS duplicados
WHERE duplicados.row > 1
);

Miguel Angel Reyes Moreno

student•

!Genio! Yo por no prestar atención borré todos los registros y tuve que volver al script de sql para insertar toda la info en la tabla xD

Luis Felipe Castaño Villada

student•

¡Ánimo vas por la mitad!

John Alexander Ortiz Ramirez

student•

Solucion al reto

DELETE
    FROM platzi.alumnos
    WHERE id IN (SELECT id FROM (
        SELECT *
            FROM (SELECT id, ROW_NUMBER() OVER(
            PARTITION BY 
                nombre, apellido, 
                email, colegiatura,
                fecha_incorporacion, carrera_id,
                tutor_id
            ORDER BY id ASC) AS row
            FROM platzi.alumnos
    ) AS duplicados
    WHERE duplicados.row > 1) AS duplicados_id);

Emmi Raffo

student•

Este borra todos todos los valores duplicados, entiendo que debería borrar solo 1 para que se conserve el valor original

Aaron Fabrizio Calderon Guillermo

student•

Para SQL Server:

-- METODO 1
-- MOSTRAR DUPLICADO A PARTIR DEL ID
USE [platzi]
SELECT *
FROM platzi.alumnos AS ou
WHERE 
(
	SELECT COUNT(*)
	FROM platzi.alumnos AS inr
	WHERE ou.id = inr.id
) > 1
GO


-- METODO 2
-- MOSTRAR DUPLICADO COMPARANDO TODOS LOS CAMPOS, EXCEPTO EL ID
USE [platzi]
SELECT CONCAT(platzi.alumnos.nombre,',',
			  platzi.alumnos.apellido,',',
			  platzi.alumnos.email,',',
			  platzi.alumnos.colegiatura,',',
			  platzi.alumnos.fecha_incorporacion,',',
			  platzi.alumnos.carrera_id,',',
			  platzi.alumnos.tutor_id), COUNT(*)
FROM platzi.alumnos
GROUP BY CONCAT(platzi.alumnos.nombre,',',
			  platzi.alumnos.apellido,',',
			  platzi.alumnos.email,',',
			  platzi.alumnos.colegiatura,',',
			  platzi.alumnos.fecha_incorporacion,',',
			  platzi.alumnos.carrera_id,',',
			  platzi.alumnos.tutor_id)
HAVING COUNT(*) >1
ORDER BY COUNT(*) DESC
GO


-- METODO 3
-- MOSTRAR DUPLICADO COMPARANDO TODOS LOS CAMPOS, EXCEPTO EL ID CON SUBCONSULTA
USE [platzi]
SELECT *
FROM 
(
	SELECT ROW_NUMBER() OVER(PARTITION BY nombre,apellido,email,colegiatura,
									   fecha_incorporacion,carrera_id,tutor_id 
						  ORDER BY id ASC) AS row, *
	FROM platzi.alumnos
) AS duplicados
WHERE duplicados.row > 1
ORDER BY row DESC

Cristian Zerpa

student•

Soy bastante nuevo en este mundo así que tuve que hacer una especie de corrida en frío para entenderlo y poder crear una imagen en mi cabeza de lo que sucede en las subconsultas. Dejo esto que es lo que veo en mi mente sobre el código de la case por si a alguien le sirve. Me corrigen los expertos por fa c:

Agustín Alberto Leiva

student•

Cristian!!! Muchas gracias, lo pude entender! ( :

FELIX DAVID CORDOVA GARCIA

student•

Para los que usan MySQL Workbench, pueden encontrar los duplicados usando CONCAT_WS de la siguiente forma :

David Carrillo Castillo

student•

Por si quieren entender mejor como funciona el PARTITION BY, me sirvió mucho para comprender:

Luis Eduardo Sánchez Romero

student•

Gracias por el aporte, muy útil

Ahtziri Cardenas Vela

student•

chat GPT siempre ayudando

Jeyson David Vargas Crespo

student•

Hola, todavía me confundo con los subqueries, me pueden ayudar porfa a entenderlos mejor...

Muchas gracias...

Luis Angel Vásquez Nepomuceno

student•

Hola :)

Hay una clase de subqueries en otro de los cursos de SQL que me gusta mucho, me parece súper clara y sencilla. Te la dejo abajo.

Igual si después de eso tienes dudas o quieres comentar algo, aquí estamos.

https://platzi.com/clases/1272-sql-mysql/11095-insercion-de-datos-usando-queries-anidados/

Eduard Giraldo Martínez

student•

Lo más probable es que ya hayas entendido el tema, pero dejo el artículo para futuras generaciones.

P.D: Es en inglés, les servirá para practicar

Andrés Cardona

student•

Alguien me podría explicar el OVER() que función cumple? por fa :)

Juan David Salazar Arias

student•

Primero que nada debes recordar que el proposito de row_number es asignar un numero a cada fila, empezando desde 1 y avanzando de 1 en 1. Over le indica a la función row_number sobre cuál grupo de registros hacer la numeración de las filas. imagina que tienes una base de datos (BD) con 100 registros de ciudades y se repiten siempre 3 ciudades, con over (partitition by city) habrá una agrupación por ciudad, es decir, tendras 3 grupos de registros sobre los cuales hacer la numeración.

Si no pusieras nada en over() simplemente numerarías de nuevo toda la base de datos pues no habría un criterio sobre el cual partir la BD.

Mauro Benito Montoya Arenas

student•

Gracias Juan. Tu comentario aclaro mis dudas.

Tomas Filippo

student•

Para entender de manera mas simple lo que esta pasando en el ultimo query, les recomendo que corran esta query:

SELECT *, ROW_NUMBER() OVER(PARTITION BY colegiatura) AS row
FROM platzi.alumnos;

Asi se dan cuenta como funciona a menor escala para luego interpretar lo demas, espero ser de ayuda!

Samuel Martínez Hernández

student•

Este es el comentario que me salvo!

Andres Sanchez

student•

15. Duplicados

SELECT *
FROM platzi.alumnos AS ou
WHERE (
	SELECT COUNT(*)
	FROM platzi.alumnos AS inr
	WHERE ou.id = inr.id
) > 1;

SELECT (platzi.alumnos.*)::text, COUNT(*)
FROM platzi.alumnos 
GROUP BY platzi.alumnos.*
HAVING COUNT(*) > 1;

SELECT (
	   platzi.alumnos.nombre,
	   platzi.alumnos.apellido,
	   platzi.alumnos.email,
	   platzi.alumnos.colegiatura,
	   platzi.alumnos.fecha_incorporacion,
 	   platzi.alumnos.carrera_id,
	   platzi.alumnos.tutor_id
	   )::text, COUNT(*)
FROM platzi.alumnos 
GROUP BY  platzi.alumnos.nombre,
	   platzi.alumnos.apellido,
	   platzi.alumnos.email,
	   platzi.alumnos.colegiatura,
	   platzi.alumnos.fecha_incorporacion,
 	   platzi.alumnos.carrera_id,
	   platzi.alumnos.tutor_id
HAVING COUNT(*) > 1;

SELECT *
FROM (
	SELECT id,
	ROW_NUMBER() OVER(
		PARTITION BY
			nombre,
			apellido,
	email,
	colegiatura,
	fecha_incorporacion,
	carrera_id,
	tutor_id
	ORDER BY id ASC
	)AS row,
	*
	FROM platzi.alumnos
)AS duplicados
WHERE duplicados.row > 1;

Luis Fernando Vásquez Flores

student•

mismo resultado mucho mas fácil:

select nombre, apellido, email, colegiatura, fecha_incorporacion, carrera_id, tutor_id, count(nombre) from platzi.alumnos group by nombre, apellido, email, colegiatura, fecha_incorporacion, carrera_id, tutor_id having count()>1

Rubén Cuello

student•

Para encontrar duplicados basados en sus datos principales: nombre, apellido y email.

select (nombre,apellido,email)::text as datos_usuarios, count(*) as cantidad 
from platzi.alumnos
group by (nombre,apellido,email)
order by cantidad desc```

David Rueda

student•

Hola a todos:

En mi caso le apliqué una pequeña modificación para realizar la agrupación (sección GROUP BY), como se asigna el nombre "items" al conjunto de datos requeridos, ese nombre es el utilizado para agrupar por el conjunto de campos.

A continuación, un ejemplo:

SELECT
    (
        nombre, apellido,
        email, colegiatura, fecha_incorporacion,
        carrera_id, tutor_id
    ) :: text AS items,
    COUNT(id) :: integer AS cantidad
FROM
    platzi.alumnos
GROUP BY
    items
HAVING
    COUNT(*) > 1;

Nota: En el SELECT se utilizó el campo <<id>> únicamente para mejorar la visualización en la plataforma de Platzi. En pgadmin o consola se puede usar el caracter (*).

Anthony Guzman Lopez

student•

Ejercicio cumplido...

DELETE FROM platzi.alumnos
WHERE id IN (
SELECT id
FROM (
	SELECT id,
	ROW_NUMBER() over(
		PARTITION BY
			nombre,
			apellido,
			email,
			colegiatura,
			fecha_incorporacion,
			carrera_id,
			tutor_id
		ORDER BY id ASC
	)AS row
	
	FROM platzi.alumnos
)AS duplicados
WHERE duplicados.row > 1);```

Esmeralda Palacios

student•

vaya nivel de abstracción! yo aún no digiero bien los subqueries

Agustín Alberto Leiva

student•

Si no entendiste el último código, no te preocupes. Creo que el profesor se emocionó un poco y se adelantó con la teoría 😅.

En las últimas clases del curso se profundiza con los temas: Window functions, Particiones y agregación

Te dejo un video que me ayudó a introducirme en las funciones de ventana:

Christian David Tovar Tirado

student•

No entendí muy bien la funcionalidad de los '::' , o sea entiendo para que sirven en este caso pero no como se podrían usar en otras aplicaciones o cual es su finalidad

PABLO ARISTIZABAL

student•

Es para hacer la comparativa mas facil, ya que es solo texto

insert into platzi.alumnos (id, nombre, apellido, email, colegiatura, fecha_incorporacion, carrera_id, tutor_id) values (1000, 'Pamelina', null, 'pmylchreestrr@salon.com', 4800, '2020-04-26 10:18:51', 12, 16);

insert into platzi.alumnos (id, nombre, apellido, email, colegiatura, fecha_incorporacion, carrera_id, tutor_id) values (1001, 'Pamelina', null, 'pmylchreestrr@salon.com', 4800, '2020-04-26 10:18:51', 12, 16);```

insert into platzi.alumnos (id, nombre, apellido, email, colegiatura, fecha_incorporacion, carrera_id, tutor_id) values (1001, 'Pamelina', null, 'pmylchreestrr@salon.com', 4800, '2020-04-26 10:18:51', 12, 16);

DELETE
    FROM platzi.alumnos
    WHERE id IN (SELECT id FROM (
        SELECT *
            FROM (SELECT id, ROW_NUMBER() OVER(
            PARTITION BY 
                nombre, apellido, 
                email, colegiatura,
                fecha_incorporacion, carrera_id,
                tutor_id
            ORDER BY id ASC) AS row
            FROM platzi.alumnos
    ) AS duplicados
    WHERE duplicados.row > 1) AS duplicados_id);

-- METODO 1
-- MOSTRAR DUPLICADO A PARTIR DEL ID
USE [platzi]
SELECT *
FROM platzi.alumnos AS ou
WHERE 
(
	SELECT COUNT(*)
	FROM platzi.alumnos AS inr
	WHERE ou.id = inr.id
) > 1
GO


-- METODO 2
-- MOSTRAR DUPLICADO COMPARANDO TODOS LOS CAMPOS, EXCEPTO EL ID
USE [platzi]
SELECT CONCAT(platzi.alumnos.nombre,',',
			  platzi.alumnos.apellido,',',
			  platzi.alumnos.email,',',
			  platzi.alumnos.colegiatura,',',
			  platzi.alumnos.fecha_incorporacion,',',
			  platzi.alumnos.carrera_id,',',
			  platzi.alumnos.tutor_id), COUNT(*)
FROM platzi.alumnos
GROUP BY CONCAT(platzi.alumnos.nombre,',',
			  platzi.alumnos.apellido,',',
			  platzi.alumnos.email,',',
			  platzi.alumnos.colegiatura,',',
			  platzi.alumnos.fecha_incorporacion,',',
			  platzi.alumnos.carrera_id,',',
			  platzi.alumnos.tutor_id)
HAVING COUNT(*) >1
ORDER BY COUNT(*) DESC
GO


-- METODO 3
-- MOSTRAR DUPLICADO COMPARANDO TODOS LOS CAMPOS, EXCEPTO EL ID CON SUBCONSULTA
USE [platzi]
SELECT *
FROM 
(
	SELECT ROW_NUMBER() OVER(PARTITION BY nombre,apellido,email,colegiatura,
									   fecha_incorporacion,carrera_id,tutor_id 
						  ORDER BY id ASC) AS row, *
	FROM platzi.alumnos
) AS duplicados
WHERE duplicados.row > 1
ORDER BY row DESC

SELECT *
FROM platzi.alumnos AS ou
WHERE (
	SELECT COUNT(*)
	FROM platzi.alumnos AS inr
	WHERE ou.id = inr.id
) > 1;

SELECT (platzi.alumnos.*)::text, COUNT(*)
FROM platzi.alumnos 
GROUP BY platzi.alumnos.*
HAVING COUNT(*) > 1;

SELECT (
	   platzi.alumnos.nombre,
	   platzi.alumnos.apellido,
	   platzi.alumnos.email,
	   platzi.alumnos.colegiatura,
	   platzi.alumnos.fecha_incorporacion,
 	   platzi.alumnos.carrera_id,
	   platzi.alumnos.tutor_id
	   )::text, COUNT(*)
FROM platzi.alumnos 
GROUP BY  platzi.alumnos.nombre,
	   platzi.alumnos.apellido,
	   platzi.alumnos.email,
	   platzi.alumnos.colegiatura,
	   platzi.alumnos.fecha_incorporacion,
 	   platzi.alumnos.carrera_id,
	   platzi.alumnos.tutor_id
HAVING COUNT(*) > 1;

SELECT *
FROM (
	SELECT id,
	ROW_NUMBER() OVER(
		PARTITION BY
			nombre,
			apellido,
	email,
	colegiatura,
	fecha_incorporacion,
	carrera_id,
	tutor_id
	ORDER BY id ASC
	)AS row,
	*
	FROM platzi.alumnos
)AS duplicados
WHERE duplicados.row > 1;

SELECT
    (
        nombre, apellido,
        email, colegiatura, fecha_incorporacion,
        carrera_id, tutor_id
    ) :: text AS items,
    COUNT(id) :: integer AS cantidad
FROM
    platzi.alumnos
GROUP BY
    items
HAVING
    COUNT(*) > 1;

DELETE FROM platzi.alumnos
WHERE id IN (
SELECT id
FROM (
	SELECT id,
	ROW_NUMBER() over(
		PARTITION BY
			nombre,
			apellido,
			email,
			colegiatura,
			fecha_incorporacion,
			carrera_id,
			tutor_id
		ORDER BY id ASC
	)AS row
	
	FROM platzi.alumnos
)AS duplicados
WHERE duplicados.row > 1);```

Duplicados

Introducción a SQL

Breve historia de SQL

Álgebra relacional

Instalación de la BD de ejemplo

Qué es una proyección (SELECT)

Origen (FROM)

Productos cartesianos (JOIN)

Selección (WHERE)

Ordenamiento (ORDER BY)

Agregación y limitantes (GROUP BY y LIMIT)

Ejercitando tu SQL

El primero

El segundo más alto

Seleccionar de un set de opciones

En mis tiempos

Seleccionar por año

Duplicados

Selectores de rango

Eres lo máximo

Egoísta (selfish)

Resolviendo diferencias

Todas las uniones

Triangulando

Generando rangos

Regularizando expresiones

Conceptos de SQL Avanzado

Bases de datos distribuidas

Queries distribuídos

Sharding

Window functions

Particiones y agregación

El futuro de SQL