Calcular un valor nuevo para cada fila

La idea

Las columnas originales rara vez coinciden con la forma en que habla la gente. Finanzas quiere rangos de precio, no precios. Ventas quiere meses, no timestamps. Marketing quiere 'CA', no ' ca'. Las herramientas de este capítulo, CASE, las funciones de fecha y las de texto, hacen una sola cosa: calculan un valor nuevo a partir de cada fila.

Ese valor nuevo es, desde ese momento, una columna normal. Puedes agruparla, contarla, sumarla y ordenar por ella. El truco de todo el capítulo es calcular primero el valor y después usar las herramientas que ya conoces.

Por qué existe

Los datos se guardan para ser exactos, no para hacer informes. El timestamp de un pedido es exacto al segundo, un producto tiene su precio al centavo y un estado lo escribió quien llenó el formulario. Ninguno de esos es la categoría que una persona quiere ver en un gráfico. Antes de funciones como estas, exportabas a una hoja de cálculo, agregabas columnas auxiliares a mano y repetías el trabajo cada mes. En SQL la regla vive en la consulta, así que todos obtienen los mismos rangos, los mismos meses y el mismo texto limpio, siempre.

Cada herramienta además deja intacta la columna original. Puedes mostrar el precio y el rango lado a lado, el timestamp y el mes, el estado escrito y el limpio, que es la mejor forma de comprobar tu regla contra los datos antes de fiarte de ella.

Cómo funciona por dentro

Todo esto son expresiones, y las expresiones se evalúan fila por fila, durante el SELECT o dentro de una cláusula que necesita un valor. Nunca miran las filas vecinas.

CASE: gana la primera rama verdadera

CASE prueba sus condiciones WHEN en el orden en que las escribiste, devuelve el valor de la primera que es verdadera y se detiene. Si ninguna lo es, devuelve el valor de ELSE, o NULL cuando no hay ELSE. Dos consecuencias: pon primero la condición más estrecha, y decide qué debe pasar con las filas en las que no pensaste, en vez de dejar que caigan en ELSE por accidente. Un precio NULL falla toda comparación con <, así que cae en ELSE a menos que pruebes IS NULL antes.

Fechas: redondear hacia abajo y luego agrupar

Un timestamp casi nunca es igual a otro, así que agrupar por él no sirve. DATE_TRUNC('month', order_date) redondea cada valor hacia abajo al primer día de su mes, y así aparecen valores iguales.

Truncar conserva el año, así que los ingresos mensuales de tres años dan 36 filas, en orden. Es distinto de extraer el número del mes, que da 1 a 12 y junta todos los eneros en uno. Usa truncar para una serie de tiempo y extraer cuando de verdad quieres "todos los eneros" o "qué día de la semana". Los nombres de las funciones varían según la base de datos: DATE_TRUNC en Postgres, DuckDB y BigQuery (con otro orden de argumentos en BigQuery), DATE_FORMAT en MySQL. La idea es idéntica.

El tiempo entre dos fechas

Restar fechas da una duración, y una duración es un número de días: la fecha de devolución menos la fecha del pedido es lo que tardó en volver un artículo. Ambos lados deben ser fechas del mismo tipo. Un timestamp menos una fecha puede dejarte horas y minutos, o un error de tipo, según el motor. Convierte ambos a DATE primero y la respuesta será un número entero de días que puedes promediar o agrupar con un CASE. La sintaxis vuelve a diferir entre bases de datos, así que revisa la función una vez y reutilízala.

Agregación condicional

Un CASE dentro de un agregado permite que un solo GROUP BY responda varias preguntas a la vez. Escribe la condición como 1 o 0, súmala, y tendrás un conteo de las filas que cumplen. Divide entre COUNT(*) para obtener una tasa.

Esto supera a ejecutar una consulta por condición, porque todos los números salen del mismo montón de filas. La tasa de cancelación, la de devolución y la proporción de pedidos con cupón pueden estar una junto a otra en un solo resultado.

Texto: limpia antes de agrupar

TRIM, UPPER, LOWER y COALESCE devuelven una copia limpia del valor para esta consulta. La tabla nunca cambia. Si ' ca' y 'CA' deben ser el mismo estado, limpia la columna en el SELECT y agrupa también por la versión limpia, ya que GROUP BY solo ve lo que le dices que vea. COALESCE(value, 'unknown') le pone etiqueta a un NULL para que aparezca como su propia fila y no como un espacio en blanco.

Errores comunes

"CASE elige la rama que mejor se ajusta"

Elige la primera verdadera, de arriba abajo. Invierte el orden de las dos ramas de precio y todo producto de menos de $200 queda etiquetado como mid, incluso los baratos. Ningún error te avisa. Cuando un rango se ve demasiado grande, lee las ramas en orden como lo hace la base de datos.

"Agrupar por el número del mes me da totales mensuales"

Te da cubetas de mes a través de los años: enero de 2023, 2024 y 2025 en una sola fila, lo que parece un pico. Si un mes se ve el doble de lo esperado, comprueba antes que nada si se perdió el año. Trunca al mes, para que el año se quede en el valor.

"TRIM y UPPER arreglan los datos"

Arreglan la salida de una consulta. Los espacios sobrantes siguen en la tabla mañana, y otra consulta que olvide el TRIM contará ' CA' por separado. La limpieza va en la consulta para el análisis, y en el sistema de origen si puedes llegar a él. Di cuál de las dos hiciste cuando informes los números.