在使用SQL提数的时候，常会遇到表内有重复值的时候，这时候就需要去重，那么应该如何去重，本文就详细的介绍一下，感兴趣的可以了解一下
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：
| task_id | order_id | start_time |
|---|---|---|
| 1 | 123 | 2020-01-05 |
| 1 | 213 | 2020-01-06 |
| 1 | 321 | 2020-01-07 |
| 2 | 456 | 2020-01-06 |
| 2 | 465 | 2020-01-07 |
| 3 | 798 | 2020-01-06 |
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：
| user_id | user_type |
|---|---|
| 1 | 1 |
| 1 | 2 |
| 2 | 1 |
-- 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）
到此这篇关于SQL中的三种去重方法小结的文章就介绍到这了
发表评论 取消回复