Cuando tenemos registros repetidos o duplicados.

Los : : significa CONCATENAR en cadena de texto separado por comas.

CURSO

Como la Data de las tablas esta Normalizada pues no hay Datos duplicados, entonces para el ejercicio ingresamos unos Datos para probar este tema.

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

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;

1. Insertamos un alumno Duplicado con ID ya usado.

• Raramente nos encontraremos con un ID duplicado por que se usa auto_increment.

• En los Alias puse ou (Out) tabla de afuera, y inr (Interior) tabla interna, para poder saber mejor cual tabla estoy usando.

1. Simplemente estamos filtrando los alumnos cuyo ID se encuentre más de una vez en la tabla.

2. Estamos convirtiendo todo el registro a un texto. Además, estamos obteniendo la suma de los registros, agrupada por todos los campos, de tal forma que los duplicados tengan su suma mayor a 1.

• Los : : es para Concatenar texto.

Es más común encontrar registros duplicados pero que tengan diferente ID, para este caso las consultas podrían ser así:

Seleccionamos alumnos duplicados con los mismos valores (Menos el ID).

GROUP BY

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;

• Hacemos algo similar al anterior caso, pero le decimos que campos quiero que cuente excluyendo el campo ID.
• Lo hacemos seleccionando un campo a la vez
• Si selecciono el Query hasta antes del HAVING me trae todos los registros en cadena de texto.

SUB-QUERY y WINDOW FUNCTION (Nueva Forma)

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;

• En la columna row nos dice cuántas veces se repite el registro.
• Generar una nueva tabla (con la subquery) que tenga un nuevo campo llamado row y que tenga el número de fila de la proyección (como hicimos antes en los otros ejercicios).
• Solo que ahora row, en la Window Function OVER se usa la cláusula PARTITION BY y ORDER BY. Al indicar en PARTITION BY todos los campos, menos el id, se divide la tabla en particiones, dependiendo de los campos determinados.
• Es decir, los registros que tengan los mismos valores en esos campos entrarán en la misma partición. Como hay duplicados, estos entrarán en la misma partición.
• Una vez hecha la partición se asigna el número de fila de cada registro, pero relativo a cada partición.
• Los registros no duplicados deberían estar solitos en su partición, y tener número de fila 1, mientras que los duplicados deben estar juntos, y todos menos uno, tendrían número de fila mayor a 1.
• De la tabla generada por el subquery, simplemente se seleccionan los registros con número de fila mayor a 1, que correspondería a los duplicados.

RETO

Eliminar los registros duplicados.

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
);

• Usamos la última versión del Query que utiliza window function en un Sub-Query para resolver el problema.

• Solo hay que darle una variación, solo necesitamos el ID; De la tabla alumnos Eliminar el id que está dentro de este arreglo.

• Estamos usando la consulta anterior para obtener los registros duplicados, pero solo obteniendo los IDs, para usarlos como Set de opciones en el DELETE.