Fai attenzione quando usi l’NOT IN in SQL

Attenzione all'uso del NOT IN in SQL

+ 3 soluzioni semplici per assicurarti di non essere scoperto

Recentemente, ho scoperto l’eccellente articolo di Benjamin Thürer:

Come evitare cinque errori comuni in Google BigQuery / SQL

Durante il lavoro con BigQuery da anni, ho osservato 5 problemi che vengono comunemente commessi, anche da data scientist esperti

towardsdatascience.com

…in cui ci mette in guardia sull’uso della clausola SQL NOT IN in BigQuery.

• Cosa è LangChain? Utilizzo e vantaggi
• Ricercatori di Stanford e Salesforce AI svelano UniControl un modello di diffusione unificato per il controllo avanzato nella generazione di immagini AI.
• Il canale dei dati non strutturati

In questo articolo, amplierò ciò che ha detto fornendo ulteriori esempi, soluzioni e domande di pratica.

Se vuoi capire perché la clausola NOT IN è rischiosa – e cosa fare al riguardo – continua a leggere!

Il problema: NOT IN non gestisce gli NULL nel modo in cui potresti aspettarti

Gli operatori IN e NOT IN forniscono un modo logico per confrontare array. Ad esempio, se scrivi:

SELECT   3 IN (1, 2, 3) # Output = true

BigQuery restituirà true. Se scrivi:

SELECT   3 NOT IN (1, 2, 3) # Output = false

BigQuery restituirà false.

Sembra semplice, giusto? Ma c’è un problema: IN e NOT IN fanno strane cose quando l’array di ricerca contiene valori NULL. Ad esempio, il seguente codice restituirà NULL, non false:

SELECT  3 NOT IN (1, 2, NULL) # Output = NULL

Per capire perché questo è importante, dai uno sguardo a queste tre tabelle, ognuna delle quali contiene un elenco di nomi:

`table_1`      `table_2`      `table_3`+---------+    +---------+    +---------+| name    |    | name    |    | name    |+---------+    +---------+    +---------+| Matt    |    | Matt    |    | Matt    || Sam     |    | Sam     |    | Sam     || Frankie |    +---------+    | NULL    || Ben     |                   +---------++---------+

Se volessi trovare tutti i nomi in table_1 che non sono presenti in table_2, possiamo usare la clausola NOT IN:

SELECT nameFROM table_1WHERE name NOT IN (SELECT name FROM table_2)# Output# +---------+# | name    |# +---------+# | Frankie |# | Ben     |# +---------+

L’operatore NOT IN ci consente di trovare i due nomi corretti: “Frankie” e “Ben”. Nel gergo tecnico SQL, questa operazione è nota come “anti semi-join”…