搜索
简帛阁>技术文章>SQL去重的三种方法汇总​

SQL去重的三种方法汇总​

欢迎关注方志朋的博客,回复”666“获面试宝典

在使用SQL提数的时候,常会遇到表内有重复值的时候,比如我们想得到 uv (独立访客),就需要做去重。

在 MySQL 中通常是使用 distinct 或 group by子句,但在支持窗口函数的 sql(如Hive SQL、Oracle等等) 中还可以使用 row_number 窗口函数进行去重。

举个栗子,现有这样一张表 task:

02aacf534d84cc3e980edee7ea583f2b.png

备注:

  • task_id: 任务id;

  • order_id: 订单id;

  • start_time: 开始时间

注意:一个任务对应多条订单

我们需要求出任务的总数量,因为 task_id 并非唯一的,所以需要去重:

distinct

-- 列出 task_id 的所有唯一值(去重后的记录)
-- select distinct task_id
-- from Task;

-- 任务总数
select count(distinct task_id) task_num
from Task;

distinct 通常效率较低。它不适合用来展示去重后具体的值,一般与 count 配合用来计算条数。

distinct 使用中,放在 select 后边,对后面所有的字段的值统一进行去重。比如distinct后面有两个字段,那么 1,1 和 1,2 这两条记录不是重复值 。

group by

-- 列出 task_id 的所有唯一值(去重后的记录,null也是值)
-- select task_id
-- from Task
-- group by task_id;

-- 任务总数
select count(task_id) task_num
from (select task_id
      from Task
      group by task_id) tmp;

row_number

row_number 是窗口函数,语法如下:

row_number() over (partition by <用于分组的字段名> order by <用于组内排序的字段名>)

其中 partition by 部分可省略。

-- 在支持窗口函数的 sql 中使用
select count(case when rn=1 then task_id else null end) task_num
from (select task_id
       , row_number() over (partition by task_id order by start_time) rn
   from Task) tmp;

此外,再借助一个表 test 来理理 distinct 和 group by 在去重中的使用:

b24b982ecdf45ce410a73fa5599f8871.png
-- 下方的分号;用来分隔行
select distinct user_id
from Test;    -- 返回 1; 2

select distinct user_id, user_type
from Test;    -- 返回1, 1; 1, 2; 2, 1

select user_id
from Test
group by user_id;    -- 返回1;  2

select user_id, user_type
from Test
group by user_id, user_type;    -- 返回1, 1; 1, 2; 2, 1

select user_id, user_type
from Test
group by user_id;    
-- Hive、Oracle等会报错,mysql可以这样写。
-- 返回1, 1 或 1, 2 ; 2, 1(共两行)。只会对group by后面的字段去重,就是说最后返回的记录数等于上一段sql的记录数,即2条
-- 没有放在group by 后面但是在select中放了的字段,只会返回一条记录(好像通常是第一条,应该是没有规律的)

来源:blog.csdn.net/xienan_ds_zj/

article/details/103869048

热门内容:
  • 再见了月薪3w的大后端,低代码开发已成气候!

  • 今天面了个阿里出来的大佬,见识到了基础天花板!

  • 发现一款好用到爆的数据库工具,被惊艳到了!

  • 还在付费使用XShell?我选择这款国产良心工具,完全免费!

  • 八股文!让我收获了诸多offer~

4d862b56137d68337dfb5d6321339778.png


 
最近面试BAT,整理一份面试资料《Java面试BAT通关手册》,覆盖了Java核心技术、JVM、Java并发、SSM、微服务、数据库、数据结构等等。
获取方式:点“在看”,关注公众号并回复 666 领取,更多内容陆续奉上。

明天见(。・ω・。)ノ♡

在使用SQL提数时候,常会遇到表内有重复值时候,比如我们想得到uv(独立访客),就需要做去重。在MySQL中通常是使用distinct或groupby子句,但在支持窗口函数sql(如HiveS
distinctselectcount(distinctuid)fromtableNamewheredate'20211227';groupbyselectcount(uid)from(selectu
PandasDataFrame接上篇,这篇就剩最后用Pandas对DataFrame里面数据,这里也有两种方法,可以直接看官方文档(但是掌柜觉得其实就是一种方法,因为第一种只是显示哪些重复
目录1distinct2groupby3row_number()over(parttionby分组列orderby排序列)补充:SQL根据某列或几列分组row_number()over(
在使用SQL提数时候,常会遇到表内有重复值时候,比如我们想得到uv(独立访客),就需要做去重。在MySQL中通常是使用distinct或groupby子句,但在支持窗口函数sql(如HiveS
面试前端必须准备一个问题:怎样去掉JavascriptArray重复项。据我所知,百度、腾讯、盛大等都在面试里出过这个题目。这个问题看起来简单,但是其实暗藏杀机。考不仅仅是实现这个功能,更能看
目录1、借助ES6提供Set结构newSet()简单好用强烈推荐2、利用filter()3、利用for循环搭配indexOf4、将数组每一个元素依次与其他元素做比较,发现重复元素,删除比较
方法利用indexOf判断新数组underscorejs中实际上也是使用类似indexOf//传入数组functionunique1(arr){vartmpArr[];for(vari0;i&
算法来实现这个目的:第一种:Arrayprototypeunique1function(){varn[];//一个新临时数组for(vari0;i<thislength;i++)//遍历当
第一种是比较常规方法思路:1构建一个新数组存放结果2for循环中每次从原数组中取出一个元素,用这个元素循环与结果数组对比3若结果数组中没有该元素,则存到结果数组中Arrayprototypeun