本文講述如何查找資料庫里重覆的行。這是初學者十分普遍遇到的問題。方法也很簡單。這個問題還可以有其他演變,例如,如何查找“兩欄位重覆的行”(#mysql IRC 頻道問到的問題) 如何查找重覆行 第一步是定義什麼樣的行才是重覆行。多數情況下很簡單:它們某一列具有相同的值。本文采用這一定義,或許你對“重 ...
本文講述如何查找資料庫里重覆的行。這是初學者十分普遍遇到的問題。方法也很簡單。這個問題還可以有其他演變,例如,如何查找“兩欄位重覆的行”(#mysql IRC 頻道問到的問題)
如何查找重覆行
第一步是定義什麼樣的行才是重覆行。多數情況下很簡單:它們某一列具有相同的值。本文采用這一定義,或許你對“重覆”的定義比這複雜,你需要對sql做些修改。本文要用到的數據樣本:
create table test(id int not primary key, day date not null); insert into test(id, day) values(1, '2006-10-08'); insert into test(id, day) values(2, '2006-10-08'); insert into test(id, day) values(3, '2006-10-09'); select * from test; +----+------------+ | id | day | +----+------------+ | 1 | 2006-10-08 | | 2 | 2006-10-08 | | 3 | 2006-10-09 | +----+------------+
前面兩行在day欄位具有相同的值,因此如何我將他們當做重覆行,這裡有一查詢語句可以查找。查詢語句使用GROUP BY子句把具有相同欄位值的行歸為一組,然後計算組的大小。
select day, count(*) from test GROUP BY day; +------------+----------+ | day | count(*) | +------------+----------+ | 2006-10-08 | 2 | | 2006-10-09 | 1 | +------------+----------+
重覆行的組大小大於1。如何希望只顯示重覆行,必須使用HAVING子句,比如
select day, count(*) from test group by day HAVING count(*) > 1; +------------+----------+ | day | count(*) | +------------+----------+ | 2006-10-08 | 2 | +------------+----------+
這是基本的技巧:根據具有相同值的欄位分組,然後知顯示大小大於1的組。
為什麼不能使用WHERE子句?因為WHERE子句過濾的是分組之前的行,HAVING子句過濾的是分組之後的行。
如何刪除重覆行
一個相關的問題是如何刪除重覆行。一個常見的任務是,重覆行只保留一行,其他刪除,然後你可以創建適當的索引,防止以後再有重覆的行寫入資料庫。
同樣,首先是弄清楚重覆行的定義。你要保留的是哪一行呢?第一行,或者某個欄位具有最大值的行?本文中,假設要保留的是第一行——id欄位具有最小值的行,意味著你要刪除其他的行。
也許最簡單的方法是通過臨時表。尤其對於MYSQL,有些限制是不能在一個查詢語句中select的同時update一個表。簡單起見,這裡只用到了臨時表的方法。
我們的任務是:刪除所有重覆行,除了分組中id欄位具有最小值的行。因此,需要找出大小大於1的分組,以及希望保留的行。你可以使用MIN()函數。這裡的語句是創建臨時表,以及查找需要用DELETE刪除的行。
create temporary table to_delete (day date not null, min_id int not null); insert into to_delete(day, min_id) select day, MIN(id) from test group by day having count(*) > 1; select * from to_delete; +------------+--------+ | day | min_id | +------------+--------+ | 2006-10-08 | 1 | +------------+--------+
有了這些數據,你可以開始刪除“臟數據”行了。可以有幾種方法,各有優劣(詳見我的文章many-to-one problems in SQL),但這裡不做詳細比較,只是說明在支持查詢子句的關係資料庫中,使用的標準方法。
delete from test where exists( select * from to_delete where to_delete.day = test.day and to_delete.min_id <> test.id )
如何查找多列上的重覆行
有人最近問到這樣的問題:我的一個表上有兩個欄位b和c,分別關聯到其他兩個表的b和c欄位。我想要找出在b欄位或者c欄位上具有重覆值的行。
咋看很難明白,通過對話後我理解了:他想要對b和c分別創建unique索引。如上所述,查找在某一欄位上具有重覆值的行很簡單,只要用group分組,然後計算組的大小。並且查找全部欄位重覆的行也很簡單,只要把所有欄位放到group子句。但如果是判斷b欄位重覆或者c欄位重覆,問題困難得多。這裡提問者用到的樣本數據
create table a_b_c( a int not null primary key auto_increment, b int, c int ); insert into a_b_c(b,c) values (1, 1); insert into a_b_c(b,c) values (1, 2); insert into a_b_c(b,c) values (1, 3); insert into a_b_c(b,c) values (2, 1); insert into a_b_c(b,c) values (2, 2); insert into a_b_c(b,c) values (2, 3); insert into a_b_c(b,c) values (3, 1); insert into a_b_c(b,c) values (3, 2); insert into a_b_c(b,c) values (3, 3);
現在,你可以輕易看到表裡面有一些重覆的行,但找不到兩行具有相同的二元組{b, c}。這就是為什麼問題會變得困難了。
錯誤的查詢語句
如果把兩列放在一起分組,你會得到不同的結果,具體看如何分組和計算大小。提問者恰恰是困在了這裡。有時候查詢語句找到一些重覆行卻漏了其他的。這是他用到了查詢
select b, c, count(*) from a_b_c group by b, c having count(distinct b > 1) or count(distinct c > 1);
結果返回所有的行,因為CONT(*)總是1.為什麼?因為 >1 寫在COUNT()裡面。這個錯誤很容易被忽略,事實上等效於
select b, c, count(*) from a_b_c group by b, c having count(1) or count(1);
為什麼?因為(b > 1)是一個布爾值,根本不是你想要的結果。你要的是
select b, c, count(*) from a_b_c group by b, c having count(distinct b) > 1 or count(distinct c) > 1;
返回空結果。很顯然,因為沒有重覆的{b,c}。這人試了很多其他的OR和AND的組合,用來分組的是一個欄位,計算大小的是另一個欄位,像這樣
select b, count(*) from a_b_c group by b having count(distinct c) > 1; +------+----------+ | b | count(*) | +------+----------+ | 1 | 3 | | 2 | 3 | | 3 | 3 | +------+----------+
沒有一個能夠找出全部的重覆行。而且最令人沮喪的是,對於某些情況,這種語句是有效的,如果錯誤地以為就是這麼寫法,然而對於另外的情況,很可能得到錯誤結果。
事實上,單純用GROUP BY 是不可行的。為什麼?因為當你對某一欄位使用group by時,就會把另一欄位的值分散到不同的分組裡。對這些欄位排序可以看到這些效果,正如分組做的那樣。首先,對b欄位排序,看看它是如何分組的
當你對b欄位排序(分組),相同值的c被分到不同的組,因此不能用COUNT(DISTINCT c)來計算大小。COUNT()之類的內部函數只作用於同一個分組,對於不同分組的行就無能為力了。類似,如果排序的是c欄位,相同值的b也會分到不同的組,無論如何是不能達到我們的目的的。
幾種正確的方法
也許最簡單的方法是分別對某個欄位查找重覆行,然後用UNION拼在一起,像這樣:
select b as value, count(*) as cnt, 'b' as what_col from a_b_c group by b having count(*) > 1 union select c as value, count(*) as cnt, 'c' as what_col from a_b_c group by c having count(*) > 1; +-------+-----+----------+ | value | cnt | what_col | +-------+-----+----------+ | 1 | 3 | b | | 2 | 3 | b | | 3 | 3 | b | | 1 | 3 | c | | 2 | 3 | c | | 3 | 3 | c | +-------+-----+----------+
輸出what_col欄位為了提示重覆的是哪個欄位。另一個辦法是使用嵌套查詢:
select a, b, c from a_b_c where b in (select b from a_b_c group by b having count(*) > 1) or c in (select c from a_b_c group by c having count(*) > 1); +----+------+------+ | a | b | c | +----+------+------+ | 7 | 1 | 1 | | 8 | 1 | 2 | | 9 | 1 | 3 | | 10 | 2 | 1 | | 11 | 2 | 2 | | 12 | 2 | 3 | | 13 | 3 | 1 | | 14 | 3 | 2 | | 15 | 3 | 3 | +----+------+------+
這種方法的效率要比使用UNION低許多,並且顯示每一重覆的行,而不是重覆的欄位值。還有一種方法,將自己跟group的嵌套查詢結果聯表查詢。寫法比較複雜,但對於複雜的數據或者對效率有較高要求的情況,是很有必要的。
select a, a_b_c.b, a_b_c.c from a_b_c left outer join ( select b from a_b_c group by b having count(*) > 1 ) as b on a_b_c.b = b.b left outer join ( select c from a_b_c group by c having count(*) > 1 ) as c on a_b_c.c = c.c where b.b is not null or c.c is not null
以上方法可行,我敢肯定還有其他的方法。如果UNION能用,我想會是最簡單不過的了。
作者:憤怒的韭菜
來源:https://blog.csdn.net/zhengzhb/article/details/8590390
原文:http://www.xaprb.com/blog/2006/10/09/how-to-find-duplicate-rows-with-sql/
近期熱文推薦:
1.1,000+ 道 Java面試題及答案整理(2022最新版)
4.別再寫滿屏的爆爆爆炸類了,試試裝飾器模式,這才是優雅的方式!!
覺得不錯,別忘了隨手點贊+轉發哦!