09. Mesclagem e junção

Quando duas tabelas precisam conversar, o join parece ser apenas uma escolha entre inner e left. Na prática, o resultado depende primeiro da qualidade das chaves e da cardinalidade: uma correspondência inesperada pode multiplicar valores sem produzir erro técnico.

Preparar dados é construir o caminho entre uma fonte e uma base analítica confiável. Armazenamento, ingestão, qualidade e consulta formam uma sequência: uma decisão mal resolvida no início reaparece no modelo e no relatório. Este é o capítulo 9 de 24 da disciplina Preparar dados. A leitura parte do que foi construído em Dados duplicados. Depois dele, o estudo avança para Enriquecimento de dados.

Comece pelo grão de cada lado

Descreva o que representa uma linha em cada tabela e descubra se a chave é única. Uma chave duplicada no lado esperado como único multiplica linhas do outro lado. Compare contagens e frequências antes do join, não apenas depois que um total parecer estranho.

Com essa base, o capítulo segue para Preparar as chaves. O conceito que acabou de ser apresentado passa a funcionar como ponto de partida para a decisão seguinte.

Preparar as chaves

Texto e número não correspondem apenas porque parecem iguais. Espaços, caixa, zeros, formatação e nulos alteram o casamento. Normalize de forma intencional e preserve a chave original para auditoria. Uma limpeza agressiva pode unir entidades que deveriam permanecer distintas.

A decisão anterior ainda não encerra o problema. Em Escolher o tipo de join, veremos o que muda quando esse mecanismo encontra outra camada, outro contexto ou uma necessidade mais específica.

Escolher o tipo de join

Inner mantém somente correspondências; left preserva o lado esquerdo; right faz o equivalente pelo outro lado; full mostra todas as linhas e ajuda a diagnosticar lacunas. O tipo deve expressar a política para registros sem parceiro, e não esconder problemas de cadastro.

Resta ligar esse mecanismo a Validar o resultado. Essa passagem completa o fluxo e permite avaliar o resultado como um todo, em vez de conferir apenas uma configuração isolada.

Validar o resultado

Meça linhas casadas, não casadas e multiplicadas. Compare somas antes e depois quando a métrica deveria ser preservada. DISTINCT pode esconder o efeito, mas não corrige a cardinalidade. Em SQL, nulos não se igualam pelo teste comum; regras especiais precisam ser explícitas.

Com as quatro partes reunidas, já é possível sair das definições e acompanhar uma situação completa. O exemplo seguinte mostra como as decisões aparecem em conjunto e em que momento cada uma precisa ser conferida.