Etapa Deduplicar
La etapa Deduplicar identifica si un registro es exclusivo o duplicado dentro de un flujo de preparación de datos. Úsela cuando necesite separar las ocurrencias únicas de las repetidas, según las columnas que definen lo que cuenta como duplicidad.
La etapa Deduplicar se encuentra en la categoría Preparación de la barra de herramientas.
Configurar el Deduplicar
La configuración de Deduplicar es sencilla. Una vez que se conecta otra etapa a su entrada, se muestran todas las columnas. Simplemente seleccione las columnas que forman parte de la regla de validación de duplicidad.
Selección de Columna: marca una o más columnas que forman parte de la regla de duplicidad. Por defecto, todas las columnas vienen seleccionadas.
Estado de la Columna: indica la situación de la columna, que puede ser Válido o Inválido. La columna queda como Inválida cuando una columna utilizada en la regla se elimina en la etapa de entrada o se cambia su tipo de datos. En este estado, la plataforma permite eliminar la columna.
Columna: muestra todas las columnas cargadas desde la etapa de entrada. Los valores de esta columna no son editables.
Tipo de Dato: tipo de dato de la columna de entrada, que puede ser Alfanumérico, Numérico o Fecha.
Cerrar: cierra la pantalla sin guardar las configuraciones y vuelve al Designer.
Guardar: guarda las configuraciones.
Atención: la etapa muestra un aviso de error cuando no hay al menos una transición conectada.
Puertos de salida
Después de la configuración, el Deduplicar tiene dos salidas:
Salida U: contiene todos los datos sin duplicidad y la primera ocurrencia de cada registro duplicado.
Salida D: contiene las demás ocurrencias de cada registro duplicado.
Ejemplo de configuración
Considere las columnas de entrada Negocio, Fecha, Cuenta, Valor y Descripción, con cuatro registros que repiten la Cuenta 1001 en dos de ellos.
Al configurar la regla de duplicidad por la columna Cuenta, el resultado se divide así:
Salida U recibe la primera ocurrencia de la Cuenta 1001 más los registros sin duplicidad (Cuentas 1002 e 1004), totalizando tres registros.
Salida D recibe la segunda ocurrencia de la Cuenta 1001 (Negocio B, Fecha 14/11/2022, Valor 120, Descripción "Gastos 2").
Artículos relacionados
Etapa Transformar
Etapa Ordenar
Etapa Apilar