Lección 4 del curso SQL Nivel Avanzado.
En la lección anterior vimos cómo usar SQL para implementar técnicas básicas de detección y manejo de valores extremos (u “outliers”) en variables tanto numéricas como categóricas de una tabla de datos.
En esta lección veremos cómo usar SQL para implementar técnicas que nos permitan detectar y realizar el manejo (por eliminación) de registros (o filas) repetidas en una tabla de datos:
Contenido exclusivo para suscriptores
Si eres suscriptor accede en este enlace ó suscríbete a la Academia Online y accede a todo el contenido (lecciones en video, código fuente, sets de datos y descargas) de todos los cursos, proyectos y tutoriales.
Como acabamos de ver la idea básica de la detección y eliminación de registros repetidos consiste en comparar la tabla consigo misma y definiendo como criterio de comparación aquellas columnas donde consideramos que están los registros repetidos.
Además, podemos combinar esta simple técnica con la usada por ejemplo para la palabra clave IS NOT NULL para preservar únicamente registros que contengan datos completos.
Así que con estas técnicas ya hemos completado este primer módulo del curso donde hemos visto herramientas para realizar el pre-procesamiento y la limpieza de datos en SQL.
En el próximo módulo veremos herramientas básicas en SQL que resultarán útiles al momento de realizar el Análisis Exploratorio de datos y específicamente en la próxima lección veremos cómo usar SQL para realizar el análisis univariado de los datos.
Todas las lecciones del curso SQL Nivel Avanzado