关于mysql:MySQL-如何查找删除重复行

如何查找反复行

第一步是定义什么样的行才是反复行。少数状况下很简略:它们某一列具备雷同的值。本文采纳这一定义,或者你对“反复”的定义比这简单,你须要对sql做些批改。本文要用到的数据样本:

create table test(id int not null 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 |
+----+------------+

后面两行在day字段具备雷同的值,因而如何我将他们当做反复行,这里有一查问语句能够查找。查问语句应用GROUP BY子句把具备雷同字段值的行归为一组,而后计算组的大小。

select day, count(*) from test GROUP BY day;
+------------+----------+
| day        | count(*) |
+------------+----------+
| 2006-10-08 |        2 |
| 2006-10-09 |        1 |
+------------+----------+

反复行的组大小大于1。如何心愿只显示反复行,必须应用HAVING子句,比方

select day, count(*) from test group by day HAVING count(*) > 1;
+------------+----------+
| day        | count(*) |
+------------+----------+
| 2006-10-08 |        2 |
+------------+----------+

这是根本的技巧:依据具备雷同值的字段分组,而后知显示大小大于1的组。

为什么不能应用WHERE子句?因为WHERE子句过滤的是分组之前的行,HAVING子句过滤的是分组之后的行。

如何删除反复行

一个相干的问题是如何删除反复行。一个常见的工作是,反复行只保留一行,其余删除,而后你能够创立适当的索引,避免当前再有反复的行写入数据库。

同样,首先是弄清楚反复行的定义。你要保留的是哪一行呢?第一行,或者某个字段具备最大值的行?本文中,假如要保留的是第一行——id字段具备最小值的行,意味着你要删除其余的行。

兴许最简略的办法是通过长期表。尤其对于MYSQL,有些限度是不能在一个查问语句中select的同时update一个表。简略起见,这里只用到了长期表的办法。

咱们的工作是:删除所有反复行,除了分组中id字段具备最小值的行。因而,须要找出大小大于1的分组,以及心愿保留的行。你能够应用MIN()函数。这里的语句是创立长期表,以及查找须要用DELETE删除的行。

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 |
+------------+--------+

有了这些数据,你能够开始删除“脏数据”行了。能够有几种办法,各有优劣(详见我的文章many-to-one problems in SQL),但这里不做具体比拟,只是阐明在反对查问子句的关系数据库中,应用的规范办法。

delete from test
  where exists(
     select * from to_delete
     where to_delete.day = test.day and to_delete.min_id <> test.id
  )

如何查找多列上的反复行

有人最近问到这样的问题:我的一个表上有两个字段b和c,别离关联到其余两个表的b和c字段。我想要找出在b字段或者c字段上具备反复值的行。

咋看很难明确,通过对话后我了解了:他想要对b和c别离创立unique索引。如上所述,查找在某一字段上具备反复值的行很简略,只有用group分组,而后计算组的大小。并且查找全副字段反复的行也很简略,只有把所有字段放到group子句。但如果是判断b字段反复或者c字段反复,问题艰难得多。这里提问者用到的样本数据

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);

当初,你能够轻易看到表外面有一些反复的行,但找不到两行具备雷同的二元组{b, c}。这就是为什么问题会变得艰难了。

谬误的查问语句

如果把两列放在一起分组,你会失去不同的后果,具体看如何分组和计算大小。提问者恰好是困在了这里。有时候查问语句找到一些反复行却漏了其余的。这是他用到了查问

select b, c, count(*) from a_b_c
group by b, c
having count(distinct b > 1)
  or count(distinct c > 1);

后果返回所有的行,因为CONT(*)总是1.为什么?因为 >1 写在COUNT()外面。这个谬误很容易被疏忽,事实上等效于

select b, c, count(*) from a_b_c
group by b, c
having count(1)
  or count(1);

为什么?因为(b > 1)是一个布尔值,基本不是你想要的后果。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;

返回空后果。很显然,因为没有反复的{b,c}。这人试了很多其余的OR和AND的组合,用来分组的是一个字段,计算大小的是另一个字段,像这样

select b, count(*) from a_b_c group by b having count(distinct c) > 1;
+------+----------+
| b    | count(*) |
+------+----------+
|    1 |        3 |
|    2 |        3 |
|    3 |        3 |
+------+----------+

没有一个可能找出全副的反复行。而且最令人丧气的是,对于某些状况,这种语句是无效的,如果谬误地认为就是这么写法,然而对于另外的状况,很可能失去谬误后果。

事实上,单纯用GROUP BY 是不可行的。为什么?因为当你对某一字段应用group by时,就会把另一字段的值扩散到不同的分组里。对这些字段排序能够看到这些成果,正如分组做的那样。首先,对b字段排序,看看它是如何分组的

当你对b字段排序(分组),雷同值的c被分到不同的组,因而不能用COUNT(DISTINCT c)来计算大小。COUNT()之类的外部函数只作用于同一个分组,对于不同分组的行就无能为力了。相似,如果排序的是c字段,雷同值的b也会分到不同的组,无论如何是不能达到咱们的目标的。

几种正确的办法

兴许最简略的办法是别离对某个字段查找反复行,而后用UNION拼在一起,像这样:

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        |
+-------+-----+----------+

输入what_col字段为了提醒反复的是哪个字段。另一个方法是应用嵌套查问:

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 |
+----+------+------+

这种办法的效率要比应用UNION低许多,并且显示每一反复的行,而不是反复的字段值。还有一种办法,将本人跟group的嵌套查问后果联表查问。写法比较复杂,但对于简单的数据或者对效率有较高要求的状况,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

以上办法可行,我敢肯定还有其余的办法。如果UNION能用,我想会是最简略不过的了。

起源:blog.csdn.net/zhengzhb/article/details/8590390

【腾讯云】轻量 2核2G4M,首年65元

阿里云限时活动-云数据库 RDS MySQL  1核2G配置 1.88/月 速抢

本文由乐趣区整理发布,转载请注明出处,谢谢。

您可能还喜欢...

发表回复

您的电子邮箱地址不会被公开。 必填项已用*标注

此站点使用Akismet来减少垃圾评论。了解我们如何处理您的评论数据