Fusionner deux tables

Identifier ce qui relie les données

Supposons une table eleves contenant prenom et classe, puis une table salles contenant classe et salle. Le champ classe porte la relation entre les deux tables. Pour chaque élève, on cherche les lignes de salles ayant la même valeur de classe. L’ordre des lignes n’a aucune importance. Rapprocher la première ligne d’une table avec la première de l’autre fonctionne seulement par hasard si les fichiers sont déjà alignés. Une fusion doit exprimer sa règle pour rester correcte après un tri, une suppression ou une nouvelle importation.

Le champ commun peut porter un autre nom dans l’autre table. Ce qui compte est le domaine des valeurs et la relation annoncée, pas l’égalité des noms de colonnes. Inversement, deux champs nommés code peuvent désigner des objets différents et ne pas devoir être rapprochés.

Construire les lignes résultantes

Une méthode simple parcourt chaque ligne de la première table, puis chaque ligne de la seconde. Lorsque les valeurs du champ commun sont égales, elle construit un nouvel enregistrement réunissant les informations utiles. Cette méthode de double parcours est facile à expliquer en Première, même si d’autres stratégies sont plus efficaces pour de gros volumes. Il faut aussi choisir les noms de champs dans le résultat lorsque les tables possèdent des descripteurs identiques de sens différent. La fusion ne doit pas écraser silencieusement une information par une autre.

Pour chaque paire examinée, la condition décide si une ligne doit être produite. Avec trois lignes d’élèves et deux lignes de salles, le double parcours examine six paires. Le nombre de paires examinées et le nombre de lignes produites sont donc deux mesures distinctes.

Prévoir combien de lignes peuvent apparaître

Une ligne peut trouver zéro, une ou plusieurs correspondances. Si une classe figure avec deux salles, chaque élève de cette classe peut produire deux lignes dans une fusion conservant toutes les correspondances. Ce n’est pas forcément un doublon : les deux affectations peuvent représenter deux créneaux. À l’inverse, une ligne sans partenaire disparaît dans une fusion qui ne conserve que les correspondances. Si l’objectif impose de garder tous les élèves, il faut décider comment représenter l’absence de salle. Le contrat de la fusion doit annoncer cette règle avant l’exécution.

Si une clé apparaît m fois dans la première table et n fois dans la seconde, cette clé produit m fois n paires compatibles. Une multiplication du nombre de lignes peut ainsi être parfaitement expliquée par les données, même lorsqu’aucune entrée n’est dupliquée exactement.

Comparer des valeurs de même domaine

La chaîne "01" et l’entier 1 ne sont pas égaux dans Python. Ils peuvent représenter le même code selon le domaine, mais cette équivalence doit être décidée explicitement. Des espaces parasites ou des variations de casse peuvent également empêcher un rapprochement textuel. Normaliser ne consiste pas à supprimer toutes les différences : certains identifiants distinguent volontairement majuscules et minuscules ou conservent des zéros initiaux. Après fusion, vérifiez les lignes non appariées et les multiplicités inattendues pour repérer les erreurs de préparation ou les hypothèses incorrectes sur les données.

Une normalisation doit être appliquée selon une règle commune et contrôlée avant la fusion. Enlever tous les espaces peut fusionner des codes volontairement distincts ; convertir tous les nombres-textes peut effacer des zéros significatifs. Les correspondances nouvelles doivent être justifiables.

Compter avant de construire le résultat

Deux élèves, Lina et Zoé, appartiennent à A ; Sami appartient à B. La table des salles contient A-108, A-110 et B-204. Lina produit deux lignes, Zoé deux et Sami une, soit cinq au total. Le double parcours examine pourtant trois fois trois, soit neuf paires. Quatre paires sont rejetées parce que les classes diffèrent.

Ce comptage préalable aide à vérifier une fusion. Obtenir trois lignes pourrait révéler qu’on s’est arrêté à la première salle trouvée. Obtenir neuf lignes pourrait révéler l’absence du test de correspondance. Le résultat correct dépend du contrat « conserver toutes les paires compatibles ».

Préserver les lignes sans inventer un partenaire

Un élève de classe C ne possède aucune salle dans la seconde table. Une fusion limitée aux correspondances ne produit aucune ligne pour lui. Une fusion conservant tous les élèves peut produire une ligne où le champ salle indique explicitement une absence. Cette ligne ne prétend pas qu’une salle réelle a été trouvée.

Pour analyser le résultat, comptez séparément les correspondances multiples et les élèves sans partenaire. Le nombre final de lignes peut rester égal au nombre d’élèves tout en combinant une duplication pour l’un et une disparition pour l’autre. L’égalité des tailles ne prouve donc pas, à elle seule, que la fusion est complète et correcte.

De la compréhension à l’autonomie

À vous de résoudre

Cherchez d’abord par vous-même. Vérifiez les résultats demandés, utilisez les indices si nécessaire, puis comparez votre méthode à la correction.

Les erreurs qui méritent un détour

Aligner les tables par numéro de ligne

Une correspondance doit reposer sur les champs qui relient réellement les enregistrements.

Supposer une seule correspondance sans le vérifier

Les multiplicités et absences font partie du contrat et doivent être examinées dans le résultat.

Le prochain pas

• Comprendre une interface Web : HTML et CSS

Retrouver le catalogue de Première

Ce chapitre s’appuie sur le programme officiel de Première (PDF, nouvel onglet). Les explications et exercices sont proposés pour l’apprentissage.