La solicitud

De Jessica Turner, Gerente de Merchandising
Tu objetivo
Crea price_plan a partir de los productos activos de Lighting con product_id, name, subcategory, old_price y new_price (ambos empiezan como unit_price). Usa UPDATE para fijar new_price en ROUND(old_price * 1.06, 2) solo para las subcategorías 'Pendants' y 'Sconces'. Luego devuelve una fila por subcategoría con: subcategory, products, changed_products (filas donde new_price difiere de old_price), avg_old_price y avg_new_price (ambos redondeados a 2), ordenado por subcategory.
- Lee de la tabla
productspendiente - Muestra exactamente
subcategoryproductschanged_productsavg_old_priceavg_new_pricependiente - 4 filas, ordenadas como se pidependiente
Tu consulta
Cargando el editor…
Solución de referencia
| product_id | name | category | subcategory | unit_price |
|---|---|---|---|---|
| 101 | Vale Velvet Loveseat | Furniture | Sofas | 1659.00 |
| 102 | Alder Oak Coffee Table | Furniture | Tables | 919.00 |
| 103 | Orchard Rattan Dining Chair | Furniture | Chairs | 789.00 |
| 104 | Upland Oak Bookcase | Furniture | Storage | 429.00 |
Mote revisa tu resultado
Presiona Ejecutar. Cada fila que cumple el objetivo se vuelve una luciérnaga en tu linterna.
Lo que recibe Jessica, y por qué
Tablas
Datos de la tienda Harbor & Pine, listos para consultar.
products120 filas · 8 columnas
product_idintegernamevarcharcategoryvarcharsubcategoryvarcharunit_pricedecimalunit_costdecimallaunched_ondateis_activeboolean
| product_id | name | category | subcategory | unit_price | unit_cost | launched_on | is_active |
|---|---|---|---|---|---|---|---|
| 101 | Vale Velvet Loveseat | Furniture | Sofas | 1659.00 | NULL | 2023-09-11 | true |
| 102 | Alder Oak Coffee Table | Furniture | Tables | 919.00 | 503.50 | 2024-05-16 | true |
| 103 | Orchard Rattan Dining Chair | Furniture | Chairs | 789.00 | 429.87 | 2023-05-27 | true |
| 104 | Upland Oak Bookcase | Furniture | Storage | 429.00 | 214.70 | 2022-12-20 | true |
| 105 | Avery Leather Bed Frame | Furniture | Beds | 449.00 | 232.70 | 2021-08-31 | true |
customers2,018 filas · 9 columnas
customer_idintegerfirst_namevarcharlast_namevarcharemailvarcharcityvarcharstatevarcharsignup_datedatesegmentvarcharreferral_sourcevarchar
| customer_id | first_name | last_name | city | state | signup_date | segment | referral_source | |
|---|---|---|---|---|---|---|---|---|
| 1 | Owen | Hudson | owen.hudson@icloud.com | San Francisco | CA | 2022-06-02 | consumer | search |
| 2 | Douglas | Mendoza | dmendoza69@gmail.com | Atlanta | GA | 2022-06-02 | consumer | NULL |
| 3 | Henry | Brooks | hbrooks@lakesidecafe.com | Los Angeles | CA | 2022-06-04 | business | NULL |
| 4 | Brian | Graham | bgraham@bluecedarhomes.com | Seattle | WA | 2022-06-06 | business | |
| 5 | Kyle | Jimenez | kjimenez27@yahoo.com | Indianapolis | IN | 2022-06-07 | consumer | NULL |
orders12,000 filas · 7 columnas
order_idintegercustomer_idintegerorder_datetimestampstatusvarcharchannelvarcharshipping_feedecimalcoupon_codevarchar
| order_id | customer_id | order_date | status | channel | shipping_fee | coupon_code |
|---|---|---|---|---|---|---|
| 1001 | 125 | 2023-01-01 20:51:19 | completed | web | 0.00 | NULL |
| 1002 | 156 | 2023-01-02 07:58:46 | completed | web | 0.00 | NULL |
| 1003 | 22 | 2023-01-02 10:25:27 | completed | marketplace | 4.99 | WELCOME10 |
| 1004 | 48 | 2023-01-02 11:21:51 | completed | marketplace | 4.99 | WELCOME10 |
| 1005 | 82 | 2023-01-02 11:43:36 | completed | web | 0.00 | WELCOME10 |
order_items30,338 filas · 6 columnas
order_item_idintegerorder_idintegerproduct_idintegerquantityintegerunit_pricedecimaldiscount_pctdecimal
| order_item_id | order_id | product_id | quantity | unit_price | discount_pct |
|---|---|---|---|---|---|
| 1 | 1001 | 121 | 9 | 31.99 | 0.00 |
| 2 | 1001 | 154 | 3 | 11.99 | 0.00 |
| 3 | 1002 | 154 | 4 | 11.99 | 0.00 |
| 4 | 1002 | 194 | 1 | 149.00 | 0.00 |
| 5 | 1002 | 193 | 2 | 19.99 | 0.00 |
returns1,673 filas · 5 columnas
return_idintegerorder_item_idintegerreturned_ondatereasonvarcharrefund_amountdecimal
| return_id | order_item_id | returned_on | reason | refund_amount |
|---|---|---|---|---|
| 1 | 14 | 2023-01-10 | damaged | 83.69 |
| 2 | 42 | 2023-01-10 | wrong_item | 19.99 |
| 3 | 105 | 2023-01-14 | wrong_item | 10.99 |
| 4 | 24 | 2023-01-16 | changed_mind | 26.99 |
| 5 | 126 | 2023-01-16 | late | 20.99 |
employees60 filas · 8 columnas
employee_idintegerfirst_namevarcharlast_namevarchardepartmentvarchartitlevarcharmanager_idintegerhire_datedatesalaryinteger
| employee_id | first_name | last_name | department | title | manager_id | hire_date | salary |
|---|---|---|---|---|---|---|---|
| 1 | Catherine | Hale | Executive | Chief Executive Officer | NULL | 2016-03-01 | 285000 |
| 2 | Robert | Kim | Executive | Chief Operating Officer | 1 | 2017-01-09 | 235000 |
| 3 | Megan | Collins | Sales | Head of Sales | 1 | 2018-04-16 | 172000 |
| 4 | Chloe | Gutierrez | Sales | Account Executive | 3 | 2020-01-21 | 72000 |
| 5 | Frank | Bell | Sales | Account Executive | 3 | 2023-05-21 | 73000 |
web_sessions40,000 filas · 7 columnas
session_idintegercustomer_idintegerstarted_attimestampdevicevarcharsourcevarcharpages_viewedintegerconvertedboolean
| session_id | customer_id | started_at | device | source | pages_viewed | converted |
|---|---|---|---|---|---|---|
| 1 | NULL | 2023-01-01 23:02:24 | mobile | paid | 1 | false |
| 2 | 18 | 2023-01-01 15:07:49 | desktop | paid | 1 | false |
| 3 | NULL | 2023-01-01 16:55:46 | desktop | direct | 7 | false |
| 4 | NULL | 2023-01-01 12:43:28 | mobile | organic | 3 | false |
| 5 | NULL | 2023-01-01 13:06:21 | mobile | social | 2 | false |
marketing_spend3,276 filas · 3 columnas
spend_datedatechannelvarcharamountdecimal
| spend_date | channel | amount |
|---|---|---|
| 2023-01-01 | paid | 492.99 |
| 2023-01-01 | 37.38 | |
| 2023-01-01 | social | 200.53 |
| 2023-01-02 | paid | 709.13 |
| 2023-01-02 | 64.13 |
La lección
UPDATE cambia valores en filas que ya existen. Es la sentencia más peligrosa que escribe un analista,
porque no se puede deshacer una vez confirmada, y una línea que falte cambia todas las filas de la tabla.
UPDATE … SET … WHERE
UPDATE price_plan
SET new_price = ROUND(old_price * 1.06, 2)
WHERE subcategory IN ('Pendants', 'Sconces');
SET dice qué columnas reciben qué valores nuevos. La expresión puede usar los valores actuales de la
fila, aquí old_price. WHERE decide qué filas cambian, usando las mismas condiciones que ya conoces de
SELECT. Cada fila que coincide cambia; las demás se quedan como están. Puedes fijar varias columnas a la
vez: SET a = ..., b = ....
Primero previsualiza, luego actualiza una copia
Dos hábitos mantienen seguro un UPDATE.
Ejecuta primero el WHERE como un SELECT. Cambia UPDATE ... SET ... por SELECT * FROM ... con el
mismo WHERE y mira qué devuelve. En el catálogo activo de Lighting devuelve 10 filas, 5 Pendants y 5
Sconces. Si hubiera devuelto 20, sabrías que la condición estaba mal antes de que cambiara nada.
Trabaja sobre una copia. El starter construye price_plan con CREATE TABLE ... AS SELECT,
guardando el precio actual dos veces: old_price se queda como está y new_price se actualiza. El plan se
puede revisar, cambiar y tirar sin tocar products, y la comparación es un GROUP BY:
| subcategory | products | changed_products | avg_old_price | avg_new_price |
|---|---|---|---|---|
| Floor Lamps | 5 | 0 | 138.20 | 138.20 |
| Pendants | 5 | 5 | 183.40 | 194.40 |
| Sconces | 5 | 5 | 216.20 | 229.17 |
| Table Lamps | 5 | 0 | 222.00 | 222.00 |
Las dos subcategorías intactas son la prueba de que el WHERE hizo su trabajo.
En una base de datos real, envuelve los cambios arriesgados en una transacción: BEGIN TRANSACTION;, el
UPDATE, un SELECT de comprobación y luego COMMIT; si se ve bien o ROLLBACK; si no. Este juego hace la
reversión por ti después de cada ejecución, por eso cada ejecución empieza recreando price_plan.
Errores comunes
- Sin WHERE.
UPDATE price_plan SET new_price = ...cambia las 20 filas. La mayoría de los clientes SQL lo ejecutarán sin ninguna advertencia. - Actualizar la tabla de origen. Subir
products.unit_pricedirectamente destruye el precio antiguo, así que la comparación es imposible y todos los informes que leenproductscambian a la vez. - Redondear en el momento equivocado. Redondea cada precio nuevo, como lo haría una tienda, y luego promedia. Promediar precios sin redondear puede diferir en un centavo.
- Comparar con NULL.
new_price <> old_pricees desconocido cuando cualquiera de los lados es NULL; en esta copia todos los productos de Lighting tienen precio, pero comprueba antes de contar filas cambiadas con otros datos.
En SQL Server
UPDATE ... SET ... WHERE es idéntico en T-SQL. SQL Server añade una cláusula OUTPUT que devuelve los
valores anteriores y posteriores de cada fila cambiada, útil como recibo:
BEGIN TRAN;
UPDATE dbo.PricePlan SET NewPrice = ROUND(OldPrice * 1.06, 2)
OUTPUT deleted.NewPrice, inserted.NewPrice
WHERE Subcategory IN ('Pendants', 'Sconces');
ROLLBACK; -- or COMMIT
En SSMS, BEGIN TRAN queda abierto hasta que confirmes o revierstas, así que termínalo.
¡Linterna encendida!
Practicaste: updatewherestaging tablecreate table as
- Resuelto
- Sin pistas
- Al primer intento
