Types de données caractères et problèmes courants

Analyse exploratoire des données en SQL

Christina Maimone

Data Scientist

Types de caractères PostgreSQL

character(n) ou char(n)

longueur fixe n
espaces finaux ignorés dans les comparaisons

character varying(n) ou varchar(n)

longueur variable jusqu'à un maximum de n

text ou varchar

longueur illimitée

Types de données textuelles

Catégoriel

Tues, Tuesday, Mon, TH

chemises, souliers, chapeaux, pantalons

satisfait, très satisfait, insatisfait

0349-938, 1254-001, 5477-651

rouge, bleu, vert, jaune

Texte non structuré

J'aime vraiment ce produit. Je l'utilise tous les jours. C'est ma couleur préférée.

Nous avons repensé votre t-shirt préféré pour l'améliorer encore. Vous allez adorer…

Il y a quatre-vingt-sept ans, nos pères ont donné naissance sur ce continent à une nouvelle nation, conçue dans la liberté et vouée au principe que tous les hommes naissent égaux…

Regrouper et compter

SELECT category,        -- categorical variable

       count(*)         -- count rows for each category

  FROM product          -- table

 GROUP BY category;     -- categorical variable

 category | count 
----------+-------
 Banana   |     1
 Apple    |     4
 apple    |     2
  apple   |     1
 banana   |     3
(5 rows)

Ordre : valeurs les plus fréquentes

SELECT category,        -- categorical variable

       count(*)         -- count rows for each category

  FROM product          -- table

 GROUP BY category      -- categorical variable

 ORDER BY count DESC;   -- show most frequent values first

 category | count 
----------+-------
 Apple    |     4
 banana   |     3
 apple    |     2
 Banana   |     1
  apple   |     1
(5 rows)

Ordre : valeur de catégorie

SELECT category,        -- categorical variable

       count(*)         -- count rows for each category

  FROM product          -- table

 GROUP BY category      -- categorical variable

 ORDER BY category;     -- order by categorical variable

 category | count 
----------+-------
  apple   |     1
 Apple    |     4
 Banana   |     1
 apple    |     2
 banana   |     3
(5 rows)

Ordre alphabétique

-- Results

 category | count 
----------+-------
  apple   |     1
 Apple    |     4
 Banana   |     1
 apple    |     2
 banana   |     3
(5 rows)

-- Alphabetical Order:

' ' < 'A' < 'a'

-- From results

' ' < 'A' < 'B' < 'a' < 'b'

Problèmes courants

La casse compte

'apple' != 'Apple'

Les espaces comptent

' apple' != 'apple'

'' != ' '

Les chaînes vides ne sont pas nulles

'' != NULL

Différences de ponctuation

'to-do' != 'to–do'

Passons à l'examen de données textuelles

Analyse exploratoire des données en SQL