點(diǎn)擊關(guān)注上方“逆鋒起筆”，

設(shè)為“置頂或星標(biāo)”，第一時(shí)間送達(dá)干貨

blog.csdn.net/xienan_ds_zj/article/details/103869048

作者：程序員的成長之路

SQL去重是數(shù)據(jù)分析工作中比較常見的一個(gè)場景，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。它不適合用來展示去重后具體的值，一般與 count 配合用來計(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_idfrom?Taskgroup?by?task_id)?tmp;

row_number

row_number 是窗口函數(shù)，語法如下：

row_number() over (partition by <用于分組的字段名> order by <用于組內(nèi)排序的字段名>)

其中 partition by 部分可省略。

--?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)?rnfrom?Task)?tmp;

此外，再借助一個(gè)表 test 來理理 distinct 和 group by 在去重中的使用：

--?下方的分號(hào);用來分隔行 select?distinct?user_id from?Test;????--?返回?1;?2select?distinct?user_id,?user_type from?Test;????--?返回1,?1;?1,?2;?2,?1select?user_id from?Test group?by?user_id;????--?返回1;??2select?user_id,?user_type from?Test group?by?user_id,?user_type;????--?返回1,?1;?1,?2;?2,?1select?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，就是說最后返回的記錄數(shù)等于上一段sql的記錄數(shù)，即2條 --?沒有放在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)該是沒有規(guī)律的）

逆鋒起筆是一個(gè)專注于程序員圈子的技術(shù)平臺(tái)，你可以收獲最新技術(shù)動(dòng)態(tài)、最新內(nèi)測資格、BAT等大廠的經(jīng)驗(yàn)、精品學(xué)習(xí)資料、職業(yè)路線、副業(yè)思維，微信搜索逆鋒起筆關(guān)注！

又一本 Python 可視化好書來了！

GitHub 人臉屬性編輯神器橫空出世！

代碼生成器用起來，是真的爽~

一次完整的 Http 請(qǐng)求過程

一本免費(fèi)的深度學(xué)習(xí)漫畫書

更多精彩內(nèi)容，請(qǐng)關(guān)注「數(shù)據(jù)前線」

記得點(diǎn)「贊」和「在看」

愛你們?

總結(jié)

以上是生活随笔為你收集整理的SQL 中去重的三种方法的全部內(nèi)容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網(wǎng)站內(nèi)容還不錯(cuò)，歡迎將生活随笔推薦給好友。