Uniones y fusiones

Combinción de 2 o más tablas

En esta sección se hablará acerca de cómo hacer uniones de 2 o más tablas. Primero se estudiarán las uniones de 2 más tablas por medio de una llave y después se tratará el tema de agregar nuevos datos.

Unión de tablas con llaves únicas

Hasta ahora se ha trabajado con información de una sola tabla, sin embargo es común tener información en 2 o más tablas.

En esta sección se mostrará como trabajar con este tipo de información, especialmente con aquellas que tienen una llave sin duplicados en común.

Unión de tablas completas (Full Join)

Considere las siguientes tablas

Nuevos:

id	nombre	edad
1	Andrés	30
2	Bárbara	25
5	Cecilia	32

Empleados:

id	posicion	fecha_ingreso
1	Analista Jr.	10/01/2020
2	Analista Jr.	25/09/2019
3	Analista Sr.	01/01/2019
4	Gerente	05/06/2018

Note que las dos tablas tienen en común la variable id y sólo tiene los ids 1 y 2 son comunes en ambas tablas.

Cuando la información proviene de observaciones no empatadas, a esa unión se le conoce como outer join.

Cuando la información está presente en todas las fuentes, a esa unión se le conoce como full join.

Si se desea unir ambas tablas, admitiendo información que esté en ambas tablas, se puede usar el campo llave id y usar el siguiente código:

PROC SQL;
   CREATE TABLE TABLA AS
   SELECT * FROM NUEVOS AS A
   FULL JOIN EMPLEADOS AS B
   ON A.ID EQ B.ID;
QUIT;

Sin embargo el log muestra el siguiente mensaje.

WARNING: La variable id ya existe en el archivo WORK.TABLA

Esto se debe a que las dos tablas tienen un mismo nombrede variable (id). Al revisar la tabla, se obtiene el siguiente resultado:

id	nombre	edad	posicion	fecha_ingreso
1	Andrés	30	Analista Jr.	10/01/2020
2	Bárbara	25	Analista Jr.	25/09/2019
.	" "	.	Analista Sr.	01/01/2019
.	" "	.	Gerente	05/06/2018
5	Cecilia	32	.

Observe que la variable id tiene valores vacíos, esto se debe a que la tabla A predomina y se conservan los valores.

Se pueden usar variables indicadoras para saber de qué tabla proviene cada observación.

Para conservar todos los id en común se usa la función COALESCE (o COALESCEC para variables de tipo carcter).

El siguiente código soluciona dichos problemas:

PROC SQL;
   CREATE TABLE TABLA AS
   SELECT 
   COALESCE(A.id,B.id) AS id, *
   FROM NUEVOS AS A
   FULL JOIN EMPLEADOS AS B
   ON A.ID EQ B.ID;
QUIT;

Unión de tablas con elementos en común (inner join)

Si se desea unir únicamente los elementos en común, se puede aplicar el siguiente código.

PROC SQL;
   CREATE TABLE TABLA AS
   SELECT 
   COALESCE(A.id,B.id) AS id, *
   FROM NUEVOS AS A
   INNER JOIN EMPLEADOS AS B
   ON A.ID EQ B.ID;
QUIT;

El resultado sería el siguiente:

id	nombre	edad	posicion	fecha_ingreso
1	Andrés	30	Analista Jr.	10/01/2020
2	Bárbara	25	Analista Jr.	25/09/2019

Puede usarse simplemente la palabra JOIN en lugar de INNER JOIN para uniones con elementos en común.

Note que se tiene información en donde las llaves coinciden, de otra forma, las observaciones son descartadas.

Unión de tablas asimétricas (left join y right join)

Si se desea conservar la información de una tabla más la información que coincide con otra se puede usar una unión asimétrica.

Por ejemplo, supóngase que se desea conservar la toda la tabla de empleados nuevos. El código que se podría usar sería el siguiente.

PROC SQL;
   CREATE TABLE TABLA AS
   SELECT 
   *
   FROM NUEVOS AS A
   LEFT JOIN EMPLEADOS AS B
   ON A.ID EQ B.ID;
QUIT;

El resultado sería el siguiente.

id	nombre	edad	posicion	fecha_ingreso
1	Andrés	30	Analista Jr.	10/01/2020
2	Bárbara	25	Analista Jr.	25/09/2019
5	Cecilia	32	.

Si se quisiera mantener únicamente la tabla derecha (es decir la tabla de empleados) se puede usar el siguiente código:

PROC SQL;
   CREATE TABLE TABLA AS
   SELECT 
   *
   FROM NUEVOS AS A
   RIGHT JOIN EMPLEADOS AS B
   ON A.ID EQ B.ID;
QUIT;

El resultado es el siguiente

id	nombre	edad	posicion	fecha_ingreso
1	Andrés	30	Analista Jr.	10/01/2020
2	Bárbara	25	Analista Jr.	25/09/2019
.	" "	.	Analista Sr.	01/01/2019
.	" "	.	Gerente	05/06/2018

Obsérvese que debido a que en la tabla nuevos no se tiene información de los ids 3 y 4, ni sus edades, el resultado arroja un valor missing debido a que la tabla A predomina al hacer la consulta. Si se quieren conservar los valores de los ids, se debe hacer uso de la función COALESCE.

PROC SQL;
   CREATE TABLE TABLA AS
   SELECT 
   COALESCE(A.id,B.id) AS id,
   *
   FROM NUEVOS AS A
   RIGHT JOIN EMPLEADOS AS B
   ON A.ID EQ B.ID;
QUIT;

Unión de tablas con llaves duplicadas

Si las tablas que se van a unir tienen llaves duplicadas, el resultado es muy distinto, debido a que SQL realiza un producto cartesiano, es decir, cada llave de la primer tabla, se empareja con su par de la segunda. El siguiente ejemplo ilustra el producto cartesiano.

Suponga que se tienen las siguientes tablas

Nuevos:

id	nombre	edad
1	Andrés	30
1	Andrea	30
2	Bárbara	25
5	Cecilia	32

Empleados:

id	posicion	fecha_ingreso
1	Analista Jr.	10/01/2020
1	Gerente	10/10/2020
2	Administrador	12/12/2020
2	Analista Jr.	25/09/2019
3	Analista Sr.	01/01/2019
4	Gerente	05/06/2018

Al realizar un inner join se obtiene el siguiente resultado:

id	nombre	edad	posicion	fecha_ingreso
1	Andrés	30	Analista Jr.	10/01/2020
1	Andrea	30	Analista Jr.	10/01/2020
1	Andrés	30	Gerente	10/10/2020
1	Andrea	30	Gerente	10/10/2020
2	Bárbara	25	Administrador	12/12/2020
2	Bárbara	25	Analista Jr.	25/09/2019

Como se puede observar, cada id de la primer se empata con el id de la segunda tabla. Por ejemplo, Andrés puede ser ya sea Gerente o Analista Jr. y así sucesivamente para los otros empleados.

Unión con más de 2 tablas

Supóngase que se tiene una tercer tabla que contiene el id y area.

id	area
1	Finanzas
2	Sistemas
3	Contabilidad
4	Sistemas
5	Finanzas

El siguiente código muestra cómo unir las tres tablas. Nótese que se desea conservar la tabla A como principal.

PROC SQL;
    CREATE TABLE tabla AS
    SELECT COALESCE(A.id, B.id,C.id) AS id,*
    FROM nuevos AS a 
    FULL JOIN empleados AS b 
    ON a.id EQ b.id
    FULL JOIN areas AS c
    ON COALESCE(a.id,b.id) EQ c.id;
QUIT;

Al unir las tres tablas por id se obtiene el siguiente resultado.

id	nombre	edad	posicion	fecha_ingreso	departamento
1	Andrés	30	Analista Jr.	10/01/2020	Finanzas
2	Bárbara	25	Analista Jr.	25/09/2019	Sistemas
3		.	Analista Sr.	01/01/2019	Contabilidad
4		.	Gerente	05/06/2018	Sistemas
5	Cecilia	32		.	Finanzas

Agregar nuevas observaciones

Supóngase que se desean agregar nuevas observaciones a una tabla exigente.

La tabla plantilla contiene a los empleados que están registrados actualmente.

id	nombre	edad
3	María	45
4	Vicente	40
6	Rodrigo	38
10	Alberto	46
15	Helena	50
18	Roberto	42

La tabla nuevos contiene a los empleados de nuevo ingreso.

id	nombre	edad
100	Juan	25
100	Juan	25
105	Guadalupe	30
110	José Luis	35

Se desea crear otra tabla que contenga tanto a los existentes como a los nuevos.

El siguiente código muestra como agrgar nuevos registros a una tabla

PROC SQL;
   CREATE TABLE PERSONAL AS 
   SELECT * FROM plantilla 
   UNION SELECT * FROM nuevos;
QUIT;

Se puede usar el operador UNION el cual especifica que se deben unir todas las observaciones únicas de las consultas, en este caso de la tabla nuevos y la tabla plantilla. Como ambas tablas tienen las mismas columnas, el dataset resultante no se altera.

El resultado es el siguiente:

id	nombre	edad
3	María	45
4	Vicente	40
6	Rodrigo	38
10	Alberto	46
15	Helena	50
18	Roberto	42
100	Juan	25
105	Guadalupe	30
110	José Luis	35

Note que a pesar de que en la tabla nuevos, el registro 1 y 2 estaban duplicados, únicamente se obtuvo un registro y se eliminó el duplicado.

Si se desea traer toda la información a pesar de que esté duplicada la información, se puede usar la palabra ALL despues del operador UNION.

PROC SQL;
   CREATE TABLE PERSONAL AS 
   SELECT * FROM plantilla 
   UNION ALL
   SELECT * FROM nuevos;
QUIT;

El resultado es el siguiente:

id	nombre	edad
3	María	45
4	Vicente	40
6	Rodrigo	38
10	Alberto	46
15	Helena	50
18	Roberto	42
100	Juan	25
100	Juan	25
105	Guadalupe	30
110	José Luis	35

Estos operadores son conocidos como Operadores de conjunto y forman parte de una expresión de consulta.

Una expresión de consulta está formada por una o más tablas unidas por un operador de conjunto. Por ejemplo se hizo la consulta SELECT * FROM plantilla UNION SELECT * FROM nuevos.

Para saber más acerca de los operadores de conjunto visite la documentación.