Как выбрать только одну полную строку на группу в запросе «group by»?

Question

У меня (кажется, что) очень простая проблема, но после поисков в течение нескольких часов я не могу найти ничего полезного.

Вот проблема:

В Microsoft SQL у меня есть таблица, в которой столбец A хранит некоторые данные. Эти данные могут содержать дубликаты (т. Е. Две или более строки будут иметь одинаковое значение для столбца A ).

Я легко могу найти дубликаты , выполнив :

select A, count(A) as CountDuplicates
from TableName
group by A having (count(A) > 1)

Теперь я хочу получить значения других столбцов, скажем, B и C . Конечно, эти значения B и C могут отличаться даже для строк, имеющих одинаковое значение A , но для меня это не имеет значения. Мне просто нужно любое значение B и любое C одно, первое, последнее или случайное.

Если бы у меня была маленькая таблица и один или два столбца для извлечения, я бы сделал что-то вроде:

select A, count(A) as CountDuplicates, (
    select top 1 child.B from TableName as child where child.A = base.A) as B
)
from TableName as base group by A having (count(A) > 1)

Проблема в том, что мне нужно получить гораздо больше строк, и таблица довольно большая, поэтому выбор нескольких дочерних элементов будет иметь высокую производительность.

Итак, есть ли менее уродливое решение для чистого SQL для этого?

---

Не уверен, что мой вопрос достаточно ясен, поэтому приведу пример на основе базы данных AdventureWorks . Допустим, я хочу перечислить доступные штаты, и для каждого штата получить его код, город (любой город) и адрес (любой адрес). Самый простой и самый неэффективный способ сделать это:

var q = from c in data.StateProvinces select new { c.StateProvinceCode, c.Addresses.First().City, c.Addresses.First().AddressLine1 };

в LINQ-to-SQL и сделает два выбора для каждого из 181 состояния, поэтому 363 выбора. В моем случае я ищу способ выбрать максимум 182.

Answer 1

Функция ROW_NUMBER в CTE - способ сделать это. Например:

DECLARE @mytab TABLE (A INT, B INT, C INT)
INSERT INTO @mytab ( A, B, C ) VALUES (1, 1, 1)
INSERT INTO @mytab ( A, B, C ) VALUES (1, 1, 2)
INSERT INTO @mytab ( A, B, C ) VALUES (1, 2, 1)
INSERT INTO @mytab ( A, B, C ) VALUES (1, 3, 1)
INSERT INTO @mytab ( A, B, C ) VALUES (2, 2, 2)
INSERT INTO @mytab ( A, B, C ) VALUES (3, 3, 1)
INSERT INTO @mytab ( A, B, C ) VALUES (3, 3, 2)
INSERT INTO @mytab ( A, B, C ) VALUES (3, 3, 3)
;WITH numbered AS 
(
    SELECT *, rn=ROW_NUMBER() OVER (PARTITION BY A ORDER BY B, C)
        FROM @mytab AS m
)
SELECT *
    FROM numbered
    WHERE rn=1

Как я уже упоминал в своем комментарии к HLGEM и Филипу Келли, их простое использование агрегатной функции не обязательно возвращает одну "твердую" запись для каждой группы A; вместо этого он может возвращать значения столбцов из множества отдельных строк, все сшитые вместе, как если бы они были одной записью. Например, если это таблица PERSON, в которой PersonID представляет собой столбец «A», а отдельные записи о контактах (скажем, «Домой» и «Word»), вы можете вернуть свой город, но почтовый индекс его офиса это явно напрашивается на неприятности.

Использование ROW_NUMBER в сочетании с CTE здесь немного сложнее для начала, потому что синтаксис неудобен. Но это становится довольно распространенным паттерном, так что лучше узнать его.

В моем примере я определил CTE, который привязывает дополнительный столбец rn (обозначающий «номер строки») к таблице, которая сама группируется по столбцу A. A SELECT для этого результата, отфильтровывая только те, которые имеют номер строки 1 (т. Е. Первую найденную запись для этого значения A), возвращает «сплошную» запись для каждой группы A - в моем примере выше вы Обязательно получите рабочий адрес или Home, но не элементы обоих вместе.

Answer 2

Меня беспокоит, что вам нужно любое старое значение для полей b и c.Если они бессмысленны, почему вы их возвращаете?

Если это действительно не имеет значения (и я, честно говоря, не могу представить себе случай, когда я бы этого хотел, но это то, что вы сказали) изначения для b и c даже не обязательно должны быть из одной и той же записи, группировка с использованием mon или max - это путь.Это сложнее, если вы хотите, чтобы значения для конкретной записи были для всех полей.

select A, count(A) as CountDuplicates, min(B) as B , min(C) as C
from TableName as base 
group by A 
having (count(A) > 1) 

Answer 3

вы можете сделать что-то подобное, если у вас есть идентификатор в качестве первичного ключа в вашей таблице

select id,b,c from tablename 
inner join
(
select id, count(A) as CountDuplicates
from TableName as base group by A,id having (count(A) > 1) 
)d on tablename.id= d.id