Función ISFUZZYDUP( )

Devuelve un valor lógico que indica si una cadena es un duplicado inexacto de una cadena de comparación.

Sintaxis

ISFUZZYDUP(cadena1; cadena2; levdist <;diffpct>)

Parámetros

Salida

Lógico. Devuelve T (verdadero) si los valores de cadena son duplicados inexactos y F (falsos) en caso contrario.

Ejemplos

Ejemplos básicos

Devuelve F, porque se necesitan dos ediciones para transformar “Smith” en “Smythe”, pero el valor delevdist es solo 1:

ISFUZZYDUP("Smith";"Smythe"; 1; 99)

Devuelve T, porque se necesitan dos ediciones para transformar “Smith” en “Smythe” y el valor de levdist es 2:

ISFUZZYDUP("Smith";"Smythe"; 2; 99)

Devuelve T, porque no es necesaria ninguna edición para transformar “SMITH” en “smith” y el valor de levdist es 1 (la función ISFUZZYDUP( ) no distingue entre mayúsculas y minúsculas):

ISFUZZYDUP("SMITH";"smith"; 1; 99)

Devuelve un valor lógico (T o F) que indica si los valores individuales del campo Apellido son duplicados inexactos para la cadena "Smith":

ISFUZZYDUP(Apellido; "Smith"; 3; 99)

Ejemplos avanzados

ISFUZZYDUP("abc"; "Smith"; 5)

ISFUZZYDUP("abc"; "Smith"; 5; 99)

SET FILTER TO ISFUZZYDUP(Apellido; "Smith"; 3; 99)

SET FILTER TO ISFUZZYDUP(Nombre_proveedor; "Pacific Lighting and Electrical Supply, Inc."; 2; 99)

SET FILTER TO ISFUZZYDUP(OMIT(Nombre_proveedor; ".,&,and,Inc,Ltd,"); "Pacific Lighting Electrical Supply"; 2; 99)

SET FILTER TO ISFUZZYDUP(SORTWORDS(UPPER(Nombre_proveedor)), SORTWORDS(UPPER("Pacific Lighting and Electrical Supply, Inc.")); 2; 99)

SET FILTER TO ISFUZZYDUP(SORTWORDS(UPPER(OMIT(Nombre_proveedor; ".,&,and,Inc,Ltd,"))); SORTWORDS(UPPER("Pacific Lighting Electrical Supply")); 2; 99)

Observaciones

Cuándo usar ISFUZZYDUP( )

Utilice la función ISFUZZYDUP( ) para buscar valores casi idénticos (duplicados inexactos) o buscar ortografía incoherente en los datos introducidos de forma manual.

Cómo funciona

La función ISFUZZYDUP( ) calcula la distancia de Levenshtein entre dos cadenas y calcula el porcentaje de diferencia.

ISFUZZYDUP( ) se evalúa como T (verdadero) si:

• La distancia de Levenshtein es inferior o igual al valor levdist.
• El porcentaje de diferencia es inferior o igual al valor diffpct (si se lo especificó).

Distancia de Levenshtein

La distancia de Levenshtein es un valor que representa el mínimo número de ediciones de caracteres individuales requerido para hacer que una cadena sea idéntica a otra.

Si desea obtener más información, consulte Función LEVDIST( ).

Porcentaje de diferencia

El porcentaje de diferencia es el porcentaje de la cadena más corta de las dos cadenas evaluadas que es diferente.

El porcentaje de diferencia es el resultado del siguiente cálculo interno de Analytics, que utiliza la distancia de Levenshtein entre las dos cadenas:

Distancia de Levenshtein / número de caracteres en la cadena más corta × 100 = porcentaje de diferencia

El uso del porcentaje de diferencia opcional ayuda a reducir la cantidad de falsos positivos devueltos por ISFUZZYDUP( ):

• El umbral superior de diffpct es 99 %, lo cual impide el reemplazo completo de la cadena a fin de convertirla en idéntica.
• Las cadenas que requieren un mayor número de ediciones en relación a su longitud se excluyen.

Consejos de uso

• Distinción entre mayúsculas y minúsculas Esta función no distingue entre mayúsculas y minúsculas; por lo tanto "SMITH" es equivalente a "smith".
• Espacios en blanco al final La función recorta automáticamente los espacios en blanco finales en los campos, por lo que no es necesario utilizar la función TRIM( ) cuando se especifica un campo como un parámetro.
• Ordenar elementos La función SORTWORDS( ) puede mejorar la efectividad del comando ISFUZZYDUP( ) ordenando secuencialmente los elementos individuales de los valores del campo.

  Ordenar los elementos, como los componentes de una dirección, puede hacer que dos cadenas con las misma información, pero un formato diferente, se asemejen más una a otra. Si la semejanza es mayor, mejoran las posibilidades de que un par de cadenas sean detectadas como falsos duplicados.

• Eliminación de elementos genéricos Las funciones OMIT( ) y EXCLUDE( ) pueden mejorar la efectividad de la función ISFUZZYDUP( ) quitando elementos genéricos como "Corporación" o "Inc.", o caracteres como comas, puntos y el signo "&" de los valores del campo.

  La eliminación de los elementos genéricos y la puntuación centra la comparación de cadenas de ISFUZZYDUP( ) únicamente en la porción de las cadenas donde puede haber una diferencia significativa.

Diferencia entre el comando FUZZYDUP y la función ISFUZZYDUP( )

El comando FUZZYDUP identifica todos los duplicados inexactos de un campo, los organiza en grupos no exhaustivos y envía resultados que, en conjunto, son exhaustivos.

La función ISFUZZYDUP( ) genera una lista única y exhaustiva de duplicados inexactos para un valor de caracteres específico.

Tanto el comando como la función identifican duplicados exactos. A diferencia del comando, no se pueden excluir los duplicados exactos cuando se utiliza la función.

Qué significa exhaustivo

Exhaustivo significa que todos los valores dentro del grado de diferencia especificado del valor de prueba se devuelven, independientemente de su posición en el campo de prueba relativo al valor de prueba.

La función ISFUZZYDUP( ) es útil si los grupos no exhaustivos generados por el comando FUZZYDUP no son convenientes para los fines de su análisis y necesita examinar directamente cada duplicado inexacto en busca de un valor de carácter específico.

Funciones relacionadas

• LEVDIST( ) proporciona un método alternativo para comparar cadenas sobre la base de la distancia de Levenshtein.

  A diferencia de ISFUZZYDUP( ), LEVDIST( ) distingue entre mayúsculas y minúsculas de forma predeterminada.

• DICECOEFFICIENT( ) le quita el énfasis o ignora completamente la posición relativa de los caracteres o de los bloques de caracteres al comparar cadenas.
• SOUNDSLIKE( ) y SOUNDEX( ) comparan cadenas basándose en una comparación fonética (sonido) en lugar de una comparación ortográfica (escritura).