1. Faro

Nivel 2 · Elige solo las columnas que necesitas

La solicitud

De Jessica Turner, Gerente de Merchandising

“Estoy preparando una lista de precios para el equipo de tienda. Solo necesito el nombre de cada producto, su categoría y el precio actual, nada más.”

Tu objetivo

Devuelve tres columnas de products, en este orden: name, category, unit_price. Incluye todos los productos.

  • Lee de la tabla productspendiente
  • Muestra exactamente name category unit_pricependiente
  • 120 filaspendiente

Tu consulta

SQL

Cargando el editor…

    ResultadoVista previa de products · presiona Ejecutar para ver el tuyo
    Vista previa de products
    product_idnamecategorysubcategoryunit_price
    101Vale Velvet LoveseatFurnitureSofas1659.00
    102Alder Oak Coffee TableFurnitureTables919.00
    103Orchard Rattan Dining ChairFurnitureChairs789.00
    104Upland Oak BookcaseFurnitureStorage429.00

    Mote revisa tu resultado

    Presiona Ejecutar. Cada fila que cumple el objetivo se vuelve una luciérnaga en tu linterna.

    Tablas

    Datos de la tienda Harbor & Pine, listos para consultar.

    products120 filas · 8 columnas
    • product_idinteger
    • namevarchar
    • categoryvarchar
    • subcategoryvarchar
    • unit_pricedecimal
    • unit_costdecimal
    • launched_ondate
    • is_activeboolean
    Primeras 5 filas de products
    product_idnamecategorysubcategoryunit_priceunit_costlaunched_onis_active
    101Vale Velvet LoveseatFurnitureSofas1659.00NULL2023-09-11true
    102Alder Oak Coffee TableFurnitureTables919.00503.502024-05-16true
    103Orchard Rattan Dining ChairFurnitureChairs789.00429.872023-05-27true
    104Upland Oak BookcaseFurnitureStorage429.00214.702022-12-20true
    105Avery Leather Bed FrameFurnitureBeds449.00232.702021-08-31true
    customers2,018 filas · 9 columnas
    • customer_idinteger
    • first_namevarchar
    • last_namevarchar
    • emailvarchar
    • cityvarchar
    • statevarchar
    • signup_datedate
    • segmentvarchar
    • referral_sourcevarchar
    Primeras 5 filas de customers
    customer_idfirst_namelast_nameemailcitystatesignup_datesegmentreferral_source
    1OwenHudsonowen.hudson@icloud.comSan FranciscoCA2022-06-02consumersearch
    2DouglasMendozadmendoza69@gmail.comAtlantaGA2022-06-02consumerNULL
    3HenryBrookshbrooks@lakesidecafe.comLos AngelesCA2022-06-04businessNULL
    4BrianGrahambgraham@bluecedarhomes.comSeattleWA2022-06-06businesspinterest
    5KyleJimenezkjimenez27@yahoo.comIndianapolisIN2022-06-07consumerNULL
    orders12,000 filas · 7 columnas
    • order_idinteger
    • customer_idinteger
    • order_datetimestamp
    • statusvarchar
    • channelvarchar
    • shipping_feedecimal
    • coupon_codevarchar
    Primeras 5 filas de orders
    order_idcustomer_idorder_datestatuschannelshipping_feecoupon_code
    10011252023-01-01 20:51:19completedweb0.00NULL
    10021562023-01-02 07:58:46completedweb0.00NULL
    1003222023-01-02 10:25:27completedmarketplace4.99WELCOME10
    1004482023-01-02 11:21:51completedmarketplace4.99WELCOME10
    1005822023-01-02 11:43:36completedweb0.00WELCOME10
    order_items30,338 filas · 6 columnas
    • order_item_idinteger
    • order_idinteger
    • product_idinteger
    • quantityinteger
    • unit_pricedecimal
    • discount_pctdecimal
    Primeras 5 filas de order_items
    order_item_idorder_idproduct_idquantityunit_pricediscount_pct
    11001121931.990.00
    21001154311.990.00
    31002154411.990.00
    410021941149.000.00
    51002193219.990.00
    returns1,673 filas · 5 columnas
    • return_idinteger
    • order_item_idinteger
    • returned_ondate
    • reasonvarchar
    • refund_amountdecimal
    Primeras 5 filas de returns
    return_idorder_item_idreturned_onreasonrefund_amount
    1142023-01-10damaged83.69
    2422023-01-10wrong_item19.99
    31052023-01-14wrong_item10.99
    4242023-01-16changed_mind26.99
    51262023-01-16late20.99
    employees60 filas · 8 columnas
    • employee_idinteger
    • first_namevarchar
    • last_namevarchar
    • departmentvarchar
    • titlevarchar
    • manager_idinteger
    • hire_datedate
    • salaryinteger
    Primeras 5 filas de employees
    employee_idfirst_namelast_namedepartmenttitlemanager_idhire_datesalary
    1CatherineHaleExecutiveChief Executive OfficerNULL2016-03-01285000
    2RobertKimExecutiveChief Operating Officer12017-01-09235000
    3MeganCollinsSalesHead of Sales12018-04-16172000
    4ChloeGutierrezSalesAccount Executive32020-01-2172000
    5FrankBellSalesAccount Executive32023-05-2173000
    web_sessions40,000 filas · 7 columnas
    • session_idinteger
    • customer_idinteger
    • started_attimestamp
    • devicevarchar
    • sourcevarchar
    • pages_viewedinteger
    • convertedboolean
    Primeras 5 filas de web_sessions
    session_idcustomer_idstarted_atdevicesourcepages_viewedconverted
    1NULL2023-01-01 23:02:24mobilepaid1false
    2182023-01-01 15:07:49desktoppaid1false
    3NULL2023-01-01 16:55:46desktopdirect7false
    4NULL2023-01-01 12:43:28mobileorganic3false
    5NULL2023-01-01 13:06:21mobilesocial2false
    marketing_spend3,276 filas · 3 columnas
    • spend_datedate
    • channelvarchar
    • amountdecimal
    Primeras 5 filas de marketing_spend
    spend_datechannelamount
    2023-01-01paid492.99
    2023-01-01email37.38
    2023-01-01social200.53
    2023-01-02paid709.13
    2023-01-02email64.13

    La lección

    La mayoría de las preguntas reales solo necesitan unas pocas columnas. Las enumeras después de SELECT, separadas por comas:

    SELECT name, category, unit_price
    FROM products;

    El resultado tiene exactamente esas columnas, exactamente en el orden en que las escribiste. Si quieres el precio primero, escribe unit_price primero. El orden de las columnas en el resultado no tiene nada que ver con el orden de la tabla.

    Por qué importa en el trabajo

    Una lista explícita de columnas es un pequeño contrato. Le dice a quien lea tu consulta, incluido tú dentro de tres meses, de qué datos depende el informe. También mantiene estable el resultado cuando la tabla cambia: si la semana próxima un ingeniero añade una columna supplier_notes a products, esta consulta sigue devolviendo las mismas tres columnas.

    En los almacenes orientados a columnas (BigQuery, Snowflake, Redshift y el propio DuckDB), seleccionar menos columnas también es más rápido, porque cada columna se guarda por separado y las columnas sin usar nunca se leen.

    Formato

    SQL ignora los espacios en blanco de más, así que estas dos consultas son idénticas:

    SELECT name, category, unit_price FROM products;
    
    SELECT
      name,
      category,
      unit_price
    FROM products;

    Los equipos suelen poner una columna por línea cuando una consulta tiene más de tres o cuatro columnas. Así los diffs en la revisión de código quedan más limpios y es fácil comentar una sola columna con --, que inicia un comentario que llega hasta el final de la línea:

    SELECT
      name,
      -- category,
      unit_price
    FROM products;

    Errores comunes

    • Coma final. SELECT name, category, FROM products es un error en la mayoría de las bases de datos. DuckDB y BigQuery toleran una coma final en la lista de SELECT, Postgres y MySQL no. No te acostumbres.
    • Coma que falta. SELECT name category FROM products no es un error. Devuelve una sola columna llamada category que en realidad contiene name, porque la segunda palabra se lee como un nuevo nombre para la primera columna. Este error silencioso es frecuente, y es una buena transición a los alias, que vienen a continuación.
    • Poner comillas simples a los nombres de columna. SELECT 'name' FROM products devuelve el texto literal “name” en cada fila. Las comillas simples son para valores de texto; los nombres de columna se escriben sin comillas.

    En SQL Server

    Elegir columnas es idéntico. Allí un nombre con espacio va entre corchetes, donde DuckDB y Postgres usan comillas dobles:

    SELECT name, category, unit_price AS [Unit Price]
    FROM products;

    Elige qué puede ejecutarse en este sitio. Puedes cambiarlo cuando quieras desde "Configurar cookies", al pie de cada página.