Comment repérer les doublons dans une table de données ?

Réponse courte

Pour repérer les doublons dans une table, définis d’abord l’identité : toutes les valeurs ou une clé censée être unique. Compare les lignes selon cette règle et signale les répétitions sans supprimer des observations différentes.

Comprendre

Choisir la règle d’identité

Un doublon n’a de sens qu’au regard d’une règle. Deux lignes avec exactement les mêmes champs sont des doublons de ligne. Si un identifiant doit désigner une seule observation, deux lignes partageant cet identifiant constituent plutôt un doublon de clé, même si d’autres valeurs diffèrent.

Parcourir la table

Pour contrôler une clé, garde en mémoire les identifiants déjà rencontrés. Quand un nouvel identifiant apparaît une seconde fois, signale la ligne et compare les autres champs. Par exemple, dans les lignes (A, 8), (B, 8), (A, 9), la mesure répétée 8 ne prouve rien, tandis que A est répété et associé à deux mesures.

Ne pas effacer trop vite

La détection doit produire un constat à vérifier, pas une correction devinée. Deux relevés au même endroit ou de même valeur peuvent être deux observations légitimes. Il faut examiner la source et la règle métier avant de décider si une ligne est redondante ou si elle révèle une incohérence.

Étapes

  1. Précise si l’unicité porte sur toute la ligne ou sur une clé particulière.
  2. Parcours les enregistrements en mémorisant les lignes ou clés déjà vues.
  3. Signale chaque répétition et compare les autres champs concernés.
  4. Décide d’une correction seulement après vérification de la règle et de la source.

Exemples

  • Les lignes (id=A, valeur=8) et (id=B, valeur=8) ont la même valeur mais deux identifiants : ce ne sont pas des doublons de clé.
  • Les lignes (id=A, valeur=8) et (id=A, valeur=9) répètent A ; si id est unique, c’est un conflit à examiner.
  • Deux copies exactes de (id=C, valeur=4) forment un doublon de ligne.

Pièges fréquents

  • Supprimer une ligne parce que sa mesure apparaît ailleurs peut faire perdre une observation distincte portant un autre identifiant.
  • Comparer uniquement la clé ne prouve pas que les lignes sont identiques : des champs différents peuvent signaler un conflit plutôt qu’une copie exacte.

Et maintenant ?

Questions proches

← Toutes les questions-réponses