Dividir um CSV ou separar uma tabela: escolher o método certo

«Dividir uma tabela» pode significar operações diferentes. Pode pretender criar ficheiros mais pequenos ou distribuir as linhas por grupos segundo uma coluna. Estas necessidades não produzem o mesmo resultado.

Dividir um CSV grande

Dividir um CSV é útil quando o principal problema é o volume: um ficheiro demasiado grande é repartido em partes mais fáceis de transmitir ou processar.

Neste caso, as partes mantêm normalmente a mesma estrutura de colunas. Apenas as linhas são distribuídas.

Separar segundo uma coluna

Outra necessidade consiste em criar um grupo para cada valor. Por exemplo, uma tabela de vendas pode ser separada por região, agência ou categoria.

A separação por coluna utiliza o valor de uma coluna para determinar o grupo de destino de cada linha.

Filtrar ou separar?

Se pretende obter apenas um grupo, um filtro pode ser suficiente. Pode, por exemplo, conservar apenas as linhas em que pais = Portugal.

Se pretende produzir todos os grupos, a separação é mais adequada: Portugal, França, Espanha, entre outros, podem tornar-se saídas distintas.

Preservar os cabeçalhos

Cada parte deve continuar compreensível de forma independente. Num CSV, manter a linha de cabeçalho em cada ficheiro facilita as importações seguintes e evita ter de memorizar a ordem das colunas.

Atenção aos grupos pequenos

Uma separação por valor pode gerar muitos ficheiros se a coluna contiver numerosos valores únicos. Separar uma lista de clientes por identificador individual produziria quase um ficheiro por linha e raramente faria sentido.

Escolha uma coluna de agrupamento adequada ao resultado pretendido.

Escolher uma regra de divisão reproduzível

Dividir «a cada 10 000 linhas» e dividir «pelo valor da coluna país» responde a necessidades diferentes. A primeira regra visa sobretudo o tamanho dos ficheiros; a segunda cria subconjuntos com significado operacional.

Se a divisão tiver de ser repetida, documente a regra utilizada para que execuções sucessivas produzam conjuntos comparáveis.

Dar nomes claros às saídas

Quando são gerados vários ficheiros, o nome passa a fazer parte do workflow. Prefira nomes que indiquem a origem e a regra de separação, como clientes-portugal.csv ou export-parte-001.csv.

É possível voltar a juntá-los?

Sim, desde que as partes mantenham uma estrutura compatível. Antes de as juntar, verifique os cabeçalhos, a ordem e o significado das colunas.

Dividir e juntar parecem operações opostas, mas baseiam-se no mesmo princípio: preservar um esquema de dados coerente.