Revisa claves y posibles duplicados
Objetivos
Podrás comprobar una clave y evitar borrar filas sin entender qué representa cada una.
Concepto
Una clave es una columna, o conjunto de columnas, que identifica una fila dentro del grano definido. Un duplicado puede ser una fila repetida exactamente, una clave repetida con otros valores o dos eventos legítimos que parecen iguales. La decisión depende del significado y las reglas de la fuente.
Cuenta valores repetidos de la clave y compara todas las columnas de cada caso. Conserva un registro del conteo original, los casos revisados y la regla aplicada. No elimines automáticamente filas que comparten importe o fecha: pueden representar eventos diferentes.
Ejemplo
El fixture sintético tiene dos filas idénticas con registro_id = R-003. Para el ejercicio, puedes marcar una como duplicado exacto y excluir una copia del archivo limpio, dejando anotada esa regla. En Sakila, payment_id es la clave del export y los 16 044 IDs son únicos.
Práctica guiada
En una hoja, identifica registro_id repetidos. Compara cada campo de las filas antes de decidir si son copias o colisiones de identificador.
Reto
Escribe una regla de deduplicación para el fixture y un control que demuestre cuántas filas cambian.
Intenta el reto antes de consultar las pistas.
Quiz
Comprobación
Deduplicar es una decisión respaldada por una clave, un grano y un registro del cambio.