INNER JOIN в MySQL возвращает несколько записей в одной строке

Question

Я использую MySQL через R. Я работаю с двумя таблицами в одной базе данных и заметил нечто странное, что не могу объяснить.Точнее говоря, когда я пытаюсь установить связь между таблицами с использованием внешнего ключа, результат не тот, каким он должен быть.

Одна таблица называется Genotype_microsatellites , вторая таблицаназывается Records_morpho .Они связаны через внешний ключ sample_id .

Если я выбираю только записи с определенными характеристиками из таблицы Genotype_microsatellites , используя следующую команду ...

Gen_msat <- dbGetQuery(mydb, 'SELECT * 
                   FROM Genotype_microsatellites
                   WHERE CIDK113a >= 0')

... запрос возвращает 546 наблюдений для 52 переменных, что я и ожидал.Теперь я хочу сделать запрос, который добавляет немного больше информации к моим результатам, в частности, путем включения данных из таблицы Records_morpho .Поэтому я использую следующий код:

Gen_msat <- dbGetQuery(mydb, 'SELECT  Genotype_microsatellites.*,
                   Records_morpho.net_mass_g,
                   Records_morpho.svl_mm 
                   FROM Genotype_microsatellites
                   INNER JOIN Records_morpho ON Genotype_microsatellites.sample_id = Records_morpho.sample_id 
                   WHERE CIDK113a >= 0')

Проблема в том, что теперь выход имеет 890 наблюдений и 54 переменных !!Некоторые значения sample_id (т. Е. Строки или отдельные лица во фрейме данных) отображаются несколько раз, что не должно иметь место.Я пытался исправить это с помощью SLECT DISTINCT, но проблема не исчезла.

Любая помощь будет высоко ценится.

Answer 1

Похоже, что это работает как задумано, вот как работают объединения.С A JOIN B ON A.x = B.y вы получаете каждую строку из A в сочетании с каждой строкой из B, в которой y соответствует строке A x.Если в B есть 3 строки, которые соответствуют одной строке в A, вы получите три строки результатов для них.Данные строки A будут повторяться для каждого совпадения строк B.

Чтобы пойти немного дальше, если x не уникален, а y не уникален.И у вас есть два x с одинаковым значением, и три y с этим значением, они будут производить шесть строк результата.

Как вы упомянули, DISTINCT не устраняет эту проблему, потому что DISTINCT работает через строку результатов.Результирующие строки будут объединены только в том случае, если значения во всех выбранных полях совпадают в этих результирующих строках.Точно так же, если у вас есть запрос к одной таблице с дублирующимися строками, DISTINCT объединит эти строки, несмотря на то, что они являются отдельными строками, так как они не имеют разных наборов значений.