SQL去重方法匯總

Posted on by

在使用SQL提數的時候，常會遇到表內有重復值的時候，比如我們想得到 uv （獨立訪客），就需要做去重。

在 MySQL 中通常是使用 distinct 或 group by子句，但在支持窗口函數的 sql（如Hive SQL、Oracle等等） 中還可以使用 row_number 窗口函數進行去重。

舉個栗子，現有這樣一張表 task：

備註：

  • task_id: 任務id;
  • order_id: 訂單id;
  • start_time: 開始時間

註意：一個任務對應多條訂單

我們需要求出任務的總數量，因為 task_id 並非唯一的，所以需要去重：

distinct

-- 列出 task_id 的所有唯一值（去重後的記錄）

select distinct task_id
from Task;

-- 任務總數
select count(distinct task_id) task_num
from Task;

distinct 通常效率較低。它不適合用來展示去重後具體的值，一般與 count 配合用來計算條數。
distinct 使用中，放在 select 後邊，對後面所有的字段的值統一進行去重。比如distinct後面有兩個字段，那麼 1,1 和 1,2 這兩條記錄不是重復值 。

group by

-- 列出 task_id 的所有唯一值（去重後的記錄,null也是值）
-- select task_id
-- from Task
-- group by task_id;

-- 任務總數
select count(task_id) task_num
from (select task_id
      from Task
      group by task_id) tmp;

row_number

row_number 是窗口函數，語法如下：

row_number() over (partition by <用於分組的字段名> order by <用於組內排序的字段名>)
其中partition by 部分可省略。

-- 在支持窗口函數的 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，再借助一個表 test 來理理 distinct 和 group by 在去重中的使用：

-- 下方的分號;用來分隔行
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等會報錯，mysql可以這樣寫。
-- 返回1, 1 或 1, 2 ; 2, 1（共兩行）。隻會對group by後面的字段去重，就是說最後返回的記錄數等於上一段sql的記錄數，即2條
-- 沒有放在group by 後面但是在select中放瞭的字段，隻會返回一條記錄（好像通常是第一條，應該是沒有規律的）

到此這篇關於SQL去重方法匯總的文章就介紹到這瞭,更多相關SQL去重方法內容請搜索WalkonNet以前的文章或繼續瀏覽下面的相關文章希望大傢以後多多支持WalkonNet！

推薦閱讀：