SQL中去重的三种方法,还有谁不会? |
您所在的位置:网站首页 › example 去重 › SQL中去重的三种方法,还有谁不会? |
SQL去重是数据分析工作中比较常见的一个场景,今天给大家具体介绍3种去重的方法。 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: ![]() 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 并非的,所以需要去重: distinct-- 列出 task_id 的所有值(去重后的记录)-- select distinct task_id-- from Task;-- 任务总数select count(distinct task_id) task_numfrom 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_numfrom (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 order by )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_numfrom (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:![]() -- 下方的分号;用来分隔行select distinct user_idfrom Test; -- 返回 1; 2select distinct user_id, user_typefrom Test; -- 返回1, 1; 1, 2; 2, 1select user_idfrom Testgroup by user_id; -- 返回1; 2select user_id, user_typefrom Testgroup by user_id, user_type; -- 返回1, 1; 1, 2; 2, 1select user_id, user_typefrom Testgroup 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(好像通常是条,应该是没有规律的) blog.csdn.net/xienan_ds_zj/article/details/103869048 作者:程序员的成长之路 ![]() |
今日新闻 |
推荐新闻 |
CopyRight 2018-2019 办公设备维修网 版权所有 豫ICP备15022753号-3 |