SQL中去除重复数据的几种方法

使用SQL对数据进行提取和分析时，我们经常会遇到数据重复的场景，需要我们对数据进行去重后分析。

以某电商公司的销售报表为例，常见的去重方法我们用到distinct 或者group by 语句， 今天介绍一种新的方法，利用窗口函数对数据去重。


【字段解释】

访客id：进入店铺浏览宝贝的客户

浏览时间：访客进入店铺浏览页面的日期

浏览时常：访客进入店铺浏览页面的时长

现在需要知道店铺里每个访客和对应的浏览日期（每个访客同一天浏览多次算做一次记录）

【解题思路】

方法1：distinct

SQL书写如下：

select distinct 访客id ,浏览时间 
     from 淘宝日销售数据表;
查询结果：

这里用distinct语句多字段进行去重的时候，需要特别注意2点：

1）distinct语法规定对单字段、多字段去重，必须放在第一个查询字段前。

2）如果对表中多列字段进行去重，去重的过程就是将多字段作为整体去重，比如上面的例子，我们将访客id和浏览时间为整体去去重，而不是对访客id单独去重后再对姓名单独去重，所以会出现相同的访客id对应不同的浏览时间。

方法2：group by

SQL书写如下：

select 访客id ,浏览时间
     from 淘宝日销售数据表
group by 访客id ,浏览时间;
查询结果：

group by对访客id 和浏览时间进行分组，分组汇总后改变了表的行数，一行只有一个类别，这里使用group by后会将访客id 和浏览时间作为一个类别保留，重复的就会不显示。

方法3：窗口函数

使用窗口函数进行去重时，比distinct和group by稍微复杂些，窗口函数不会减少原表中的行数，而是对字段进行分组后排序。详细的窗口函数讲解（请点击-通俗易懂的学会：SQL窗口函数）

窗口函数的基本语法如下：

<窗口函数> over (partition by <用于分组的列名>
                order by <用于排序的列名>)
根据题目要求得出每个访客和对应的浏览日期，我们对访客id ,浏览时间进行分组，对浏览时长（秒）进行排序。

SQL书写如下：

select 访客id ,浏览时间 ,row_number()over(partition by 访客id ,浏览时间
order by 浏览时长（秒）) as 排名
     from 淘宝日销售数据表;
查询结果：


窗口函数查询按照每个客户和浏览日期分组，如果同一天有几次浏览，会根据点赞数排序，筛选排名为1，即可得出每个访客和对应的浏览日期。

SQL书写如下：

select 访客id ,浏览时间 ,row_number()over(partition by 访客id ,浏览时间
order by 浏览时长（秒）) as 排名
     from 淘宝日销售数据表;
查询结果：


去除重复项的三种操作，你get了吗？欢迎评论区补充你的去重办法~
————————————————
版权声明：本文为CSDN博主「猴子数据分析」的原创文章，遵循CC 4.0 BY-SA版权协议，转载请附上原文出处链接及本声明。
原文链接：https://blog.csdn.net/yangzhongblog/article/details/130143644