Manipulations & Expressions utiles

🧪 Gestion des NULL : COALESCE, NULLIF, IS NULL

#

• COALESCE(...) : retourne la première valeur non nulle

  SELECT COALESCE(email, telephone, 'Aucune info') AS contact
  FROM clients;

  Très utile pour gérer des champs manquants

• NULLIF(a, b) : renvoie NULL si a = b

  SELECT NULLIF(montant, 0) AS montant_util
  FROM ventes;

  Pratique pour éviter les divisions par zéro (1 / NULLIF(x, 0))

🪢 Concaténation de chaînes (CONCAT, ||) et fonctions associées

#

• CONCAT(...) (ou || selon SGBD)

  SELECT CONCAT(prenom, ' ', nom) AS nom_complet
  FROM utilisateurs;

  ou (dans PostgreSQL, SQLite…) :

  SELECT prenom || ' ' || nom AS nom_complet
  FROM utilisateurs;

• TRIM() : retire les espaces

• UPPER() / LOWER() : majuscules / minuscules

• SUBSTRING(champ FROM 1 FOR 3) ou SUBSTR(champ, 1, 3)

🧭 Expressions conditionnelles : CASE, IF

#

• CASE WHEN ... THEN ... ELSE ... END

  SELECT
    CASE
      WHEN montant >= 1000 THEN 'premium'
      WHEN montant >= 500 THEN 'standard'
      ELSE 'basique'
    END AS categorie
  FROM commandes;

  Puissant pour créer des variables catégorielles à partir de règles

🔁 Rappels : LAG, LEAD, FIRST_VALUE

#

Ces fonctions sont parfaites pour manipuler des historiques :

SELECT
  date,
  montant,
  montant - LAG(montant) OVER (ORDER BY date) AS evolution
FROM ventes;

🎲 Manipulations diverses

#

🏋️‍♂️ Entraînement

#

• Concaténer prénom et nom, en mettant le résultat en majuscules
• Créer une variable niveau_client selon le montant total des commandes
• Utiliser COALESCE pour combler les adresses mail manquantes par un champ téléphone
• Calculer la différence de montant entre chaque ligne et la précédente (LAG)

duckdb.sql("""
SELECT *,
  COALESCE(email, telephone, 'Aucun contact') AS contact_util,
  UPPER(CONCAT(prenom, ' ', nom)) AS identite,
  montant - LAG(montant) OVER (ORDER BY date_commande) AS evolution
FROM clients;
""").df()

📚 Ressources utiles

#

• 📘 DuckDB SQL Functions
• 📒 PostgreSQL – String & Conditional Functions
• 🎓 Mode SQL Tutorial – Cleaning Data