Los duplicados rara vez son idénticos. [email protected] y [email protected] corresponden a la misma persona, así que la eliminación de duplicados empieza por decidir qué hace que dos filas sean «iguales», normalmente una clave depurada como LOWER(TRIM(email)).
Después, elige qué copia conservar con ROW_NUMBER:
WITH ranked AS (
SELECT *,
ROW_NUMBER() OVER (PARTITION BY LOWER(TRIM(email)) ORDER BY raw_id DESC) AS rn
FROM signups_raw
WHERE email IS NOT NULL
)
SELECT * FROM ranked WHERE rn = 1;
PARTITION BY agrupa las copias; ORDER BY decide cuál va primero (aquí, la importación más reciente). COUNT(*) OVER (PARTITION BY key) muestra todas las filas de una clave duplicada, lo que resulta útil para revisarlas antes de eliminarlas.
Las filas sin clave (sin correo electrónico) requieren una decisión aparte: no son duplicados entre sí solo porque todas tengan NULL.
Qué correos electrónicos depurados aparecen más de una vez.