• Saltar al contenido principal
  • Skip to secondary menu
  • Saltar a la barra lateral principal
  • Saltar al pie de página
  • Inicio
  • Secciones
    • Ciencia de datos
    • Criptografía
    • Herramientas
    • Machine Learning
    • Noticias
    • Opinión
    • Productividad
    • Programación
      • JavaScript
      • Julia
      • Matlab
      • Python
      • R
  • Programación
    • JavaScript
    • Julia
    • Matlab
    • Python
    • R
  • Laboratorio
    • Encuestas: Tamaño de Muestra
    • Lotería: Probabilidad de Ganar
    • Reparto de Escaños (D’Hondt)
    • Tres en Raya con IA
  • Noticias
  • Boletín
  • Contacto
  • Tienda
    • Libros
    • Equipamiento de oficina
    • Equipamiento en movilidad
    • Tiendas afiliadas
      • AliExpress
      • Amazon
      • Banggood
      • GeekBuying
      • Lenovo

Analytics Lane

Ciencia e ingeniería de datos aplicada

  • Ciencia de datos
  • Machine Learning
  • IA Generativa
  • Python
  • Pandas
  • NumPy
  • Excel
  • Matlab

Diferencia entre COUNT(*) y COUNT(1) en SQL

septiembre 20, 2024 Por Daniel Rodríguez Deja un comentario
Tiempo de lectura: 2 minutos

En una base de datos SQL, cuando se desea obtener el número de filas en una tabla se puede usar COUNT(*) y COUNT(1). Aunque ambos el mismo resultado, existe una distinción sutil pero importante entre ellos. En entrada, se explicará las diferencias y ver cómo pueden afectar el rendimiento de las consultas.

Funcionamiento de COUNT(*)

La función COUNT(*) cuenta el número total de filas en una tabla. Su sintaxis es bastante simple:

SELECT COUNT(*) FROM nombre_de_la_tabla;

Cuando utilizas COUNT(*), el sistema de gestión de bases de datos (DBMS) no se preocupa por los valores de las columnas. En lugar de eso, simplemente cuenta todas las filas (o todas las filas que cumplen el criterio indicado en la consulta). COUNT(*) es generalmente la forma más segura y precisa de contar todas las filas en una tabla.

Publicidad


Funcionamiento de COUNT(1)

La función COUNT(1) también cuenta el número de filas en una tabla, pero se basa en una expresión constante (en este caso, 1). Su sintaxis es similar:

SELECT COUNT(1) FROM nombre_de_la_tabla;

Aquí, COUNT(1) evalúa la expresión 1 para cada fila. Dado que 1 es siempre verdadero y no depende de los valores de las columnas, el comportamiento es esencialmente el mismo que COUNT(*) en la mayoría de los sistemas de bases de datos.

Curiosidad: La maldición de la dimensionalidad, o por qué añadir más datos puede empeorar tu modelo
En Analytics Lane
Curiosidad: La maldición de la dimensionalidad, o por qué añadir más datos puede empeorar tu modelo

Diferencias y Rendimiento

En términos de funcionalidad, COUNT(*) y COUNT(1) generalmente producen los mismos resultados y tienen un rendimiento equivalente en la mayoría de los motores de bases de datos modernos. Sin embargo, hay algunas diferencias y consideraciones a tener en cuenta:

  1. Optimizaciones del DBMS: Algunos DBMS la ejecución de COUNT(*) suele ser más eficiente que COUNT(1), ya que COUNT(*) está diseñado específicamente para contar filas y puede utilizar los índices de manera más eficaz. En contraste, COUNT(1) implica la evaluación adicional de la expresión constante.
  2. Legibilidad: En términos de legibilidad del código, COUNT(*) es más intuitivo para la mayoría de los desarrolladores. Indicando más claramente la intención de contar todas las filas.
  3. Compatibilidad: Aunque la mayoría de los DBMS tratan COUNT(*) y COUNT(1) de manera similar, algunas bases de datos más antiguas o menos comunes podrían manejar estas funciones de manera diferente. COUNT(*) es el estándar ANSI SQL, lo que garantiza una mayor consistencia en diversas plataformas.

Publicidad


Conclusiones

En resumen, tanto COUNT(*) como COUNT(1) se pueden utilizar para contar el número de filas en una tabla, y en la práctica, los resultados suelen ser los mismos. Sin embargo, COUNT(*) es la opción recomendada por su claridad y compatibilidad con estándares SQL. Si bien la diferencia en el rendimiento puede ser mínima en la mayoría de los casos, es una buena práctica usar COUNT(*) para asegurar una mayor comprensión y mantenimiento del código.

Imagen de Pexels en Pixabay

¿Te ha parecido de utilidad el contenido?

¡Puntúalo entre una y cinco estrellas!

Puntuación promedio 0 / 5. Votos emitidos: 0

Ya que has encontrado útil este contenido...

¡Síguenos en redes sociales!

¡Siento que este contenido no te haya sido útil!

¡Déjame mejorar este contenido!

Dime, ¿cómo puedo mejorar este contenido?

Publicaciones relacionadas

  • Curiosidad: La maldición de la dimensionalidad, o por qué añadir más datos puede empeorar tu modelo
  • ¿Está concentrado el MSCI World? Un análisis con Gini, Lorenz y leyes de potencia
  • Curiosidad: ¿Por qué usamos p < 0.05? Un umbral que cambió la historia de la ciencia
  • Programador de tareas de Windows: Guía definitiva para automatizar tu trabajo (BAT, PowerShell y Python)
  • La Paradoja del Cumpleaños, o por qué no es tan raro compartir fecha de nacimiento
  • Cómo abrir una ventana de Chrome con tamaño y posición específicos desde la línea de comandos en Windows
  • Curiosidad: El sesgo de supervivencia, o por qué prestar atención sólo a los que “llegaron” puede engañarte
  • Documentar tu API de Express con TypeScript usando OpenAPI (Swagger)
  • Data Lake y Data Warehouse: diferencias, usos y cómo se complementan en la era del dato

Publicado en: Herramientas Etiquetado como: Bases de datos, SQL

Interacciones con los lectores

Deja una respuesta Cancelar la respuesta

Tu dirección de correo electrónico no será publicada. Los campos obligatorios están marcados con *

I accept the Terms and Conditions and the Privacy Policy

Este sitio usa Akismet para reducir el spam. Aprende cómo se procesan los datos de tus comentarios.

Barra lateral principal

Suscríbete a nuestro boletín

Suscríbete al boletín semanal para estar al día de todas las publicaciones.

Política de Privacidad

Analytics Lane en redes sociales

  • Amazon
  • Bluesky
  • Facebook
  • GitHub
  • Instagram
  • Mastodon
  • Pinterest
  • RSS
  • Telegram
  • Tumblr
  • Twitter
  • YouTube

Publicidad

Entradas recientes

Data Lake y Data Warehouse: diferencias, usos y cómo se complementan en la era del dato

octubre 23, 2025 Por Daniel Rodríguez

Documentar tu API de Express con TypeScript usando OpenAPI (Swagger)

octubre 21, 2025 Por Daniel Rodríguez

Curiosidad: El sesgo de supervivencia, o por qué prestar atención sólo a los que “llegaron” puede engañarte

octubre 16, 2025 Por Daniel Rodríguez

Publicidad

Es tendencia

  • Cómo calcular el tamaño de la muestra para encuestas publicado el septiembre 9, 2025 | en Ciencia de datos
  • Aplicación web interactiva que muestra un mapa de Madrid con puntos de interés destacados, creado utilizando la biblioteca Folium. Tutorial: Creando un mapa interactivo con Folium en Python publicado el diciembre 13, 2024 | en Python
  • Entendiendo la validación cruzada: Selección de la profundidad óptima en un árbol de decisión publicado el septiembre 13, 2024 | en Ciencia de datos
  • Introducción a igraph en R (Parte 9): Centralidad de Prestigio y Autoridad (modelo HITS, Hyperlink-Induced Topic Search) publicado el mayo 14, 2025 | en R
  • Aprovecha un 40% de descuento en Coursera Plus para impulsar tus habilidades en Ciencia de Datos e Inteligencia Artificial publicado el noviembre 9, 2024 | en Noticias, Reseñas

Publicidad

Lo mejor valorado

4.9 (24)

Seleccionar filas y columnas en Pandas con iloc y loc

4.6 (16)

Archivos JSON con Python: lectura y escritura

4.4 (14)

Ordenación de diccionarios en Python mediante clave o valor

4.7 (13)

Operaciones de filtrado de DataFrame con Pandas en base a los valores de las columnas

4.5 (10)

Diferencias entre var y let en JavaScript

Publicidad

Comentarios recientes

  • Daniel Rodríguez en Probabilidad básica: cómo entender el azar en nuestra vida diaria
  • Pepe en Probabilidad básica: cómo entender el azar en nuestra vida diaria
  • CARLOS ARETURO BELLO CACERES en Justicio: La herramienta gratuita de IA para consultas legales
  • Piera en Ecuaciones multilínea en Markdown
  • Daniel Rodríguez en Tutorial de Mypy para Principiantes

Publicidad


Footer

Analytics Lane

  • Acerca de Analytics Lane
  • Boletín de noticias
  • Contacto
  • Libros
  • Lo más popular
  • Noticias
  • Tienda
  • Tiendas afiliadas

Secciones

  • Ciencia de datos
  • Criptografía
  • Herramientas
  • Machine Learning
  • Opinión
  • Productividad
  • Programación
  • Reseñas

Sobre de Analytics Lane

En Analytics Lane tratamos de explicar los principales conceptos de la ciencia e ingeniería de datos con un enfoque práctico. Los principales temas tratados son ciencia de datos, ingeniería de datos, inteligencia artificial, machine learning, deep learning y criptografía. Además, también se habla de los principales lenguajes de programación y herramientas utilizadas por los científicos e ingenieros de datos.

Copyright © 2018-2025 Analytics Lane ·Términos y condiciones ·Política de Cookies ·Política de Privacidad ·Herramientas de privacidad ·Contacto