SQL中去重的三種方法，還有誰(shuí)不會(huì)？

來(lái)自：CSDN，作者：米竹

鏈接：https://blog.csdn.net/xienan_ds_zj/article/details/103869048

SQL去重是數(shù)據(jù)分析工作中比較常見(jiàn)的一個(gè)場(chǎng)景，今天給大家具體介紹3種去重的方法。

在使用SQL提數(shù)的時(shí)候，常會(huì)遇到表內(nèi)有重復(fù)值的時(shí)候，比如我們想得到 uv （獨(dú)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(shù)的 sql（如Hive SQL、Oracle等等） 中還可以使用 row_number 窗口函數(shù)進(jìn)行去重。

舉個(gè)栗子，現(xiàn)有這樣一張表 task：

備注：

• task_id: 任務(wù)id;
• order_id: 訂單id;
• start_time: 開(kāi)始時(shí)間

注意：一個(gè)任務(wù)對(duì)應(yīng)多條訂單

我們需要求出任務(wù)的總數(shù)量，因?yàn)?task_id 并非唯一的，所以需要去重：

distinct

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

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

distinct 通常效率較低。它不適合用來(lái)展示去重后具體的值，一般與 count 配合用來(lái)計(jì)算條數(shù)。

distinct 使用中，放在 select 后邊，對(duì)后面所有的字段的值統(tǒng)一進(jìn)行去重。比如distinct后面有兩個(gè)字段，那么 1,1 和 1,2 這兩條記錄不是重復(fù)值 。

group by

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

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

row_number

-- 在支持窗口函數(shù)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;

-- 下方的分號(hào);用來(lái)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(huì)報(bào)錯(cuò)，mysql可以這樣寫。
-- 返回1, 1 或 1, 2 ; 2, 1（共兩行）。只會(huì)對(duì)group by后面的字段去重，就是說(shuō)最后返回的記錄數(shù)等于上一段sql的記錄數(shù)，即2條
-- 沒(méi)有放在group by 后面但是在select中放了的字段，只會(huì)返回一條記錄（好像通常是第一條，應(yīng)該是沒(méi)有規(guī)律的）