有没有办法计算 SQL 中多列中唯一值的数量

Question

我想根据tx_id统计唯一值的个数，这里是部分原始数据：

table : Treatment Record 
+------------------+-----------+----------------+------------------+
|        SN        |  tx_id    |       pa3      |       pa4        |
+------------------+-----------+----------------+------------------+
| I2120210007014   |   149362  | V16F2021117016 |   V15S2021145018 |
| I2120210007014   |   149362  | V15S2021144019 |   V15S2021145018 |
| I2120210007014   |   149362  | V16F2021117017 |   V15S2021145018 |
| I2120210007014   |   149362  | V16F2021117017 |   V15S2021145018 |
| I2120210007014   |   149362  | V16F2021117017 |   V15S2021145018 |
| I2120210007014   |   148716  | V15C2021116010 |   V15C20211091016|
+------------------+-----------+----------------+------------------+

例如，结果应如下所示：

+------------------+-----------+----------------+-------+
|        SN        |  tx_id    |  V16F |  V15S  |  V15C |
+------------------+-----------+-------+--------+-------+
| I2120210007014   |   149362  |   2   |    2   |   0   |
| I2120210007014   |   148716  |   0   |    0   |   2   |
+------------------+-----------+----------------+-------+

从原始数据中，您可以看到有两个不同的tx_id，我用它来识别每个组。因此，例如，所有tx_id = '149362 都在同一个组中。

而在pa3 和pa4 列中，有2 个不同的组，可以通过查看前4 个字符进行分类，例如“V16F”、“V15S”。此外，我必须计算同一组中不同措辞的数量。例如，您可以看到pa3 列包含V16F2021117016、V15S2021144019、V16F2021117017，而pa4 列仅包含。因此，有V15S2021145018。

因此，我们将“V16F”组计数为 2，将“V15S”组计数为 2。您可能会注意到，计数不是基于 pa3 和 pa4 列，而是基于最后 4 个字符。例如V16F2021117016和V16F2021117017，它们属于同一个组，“V16F”，但由于最后4个字符分别是'7016'和'7017'，所以不同的单词。

但是我现在找不到出路，只在下面输入了一些 sql 代码。希望有人可以帮助我。

SELECT tx_id, 
       sum(case when val like 'V16F%' then 1 else 0 end), 
       sum(case when val2 like 'V15S%' then 1 else 0 end) 
FROM ( select tx_id, pa3 as val, pa4 as val2 from Cool group by pa3, pa4)
GROUP BY tx_id   

这是错误的输出：

+------------------+-----------+----------------+
|        SN        |  tx_id    |  V16F |  V15S  |
+------------------+-----------+-------+--------+
| I2120210007014   |   149362  |   3   |    3   |
| I2120210007014   |   148716  |   0   |    0   |  
+------------------+-----------+----------------+

Answer 1

最简单的方法是使用UNION ALL 将所有pa3s 和pa4s 放在1 列中，然后聚合：

SELECT SN, tx_id,
       COUNT(DISTINCT CASE WHEN pa LIKE 'V16F%' THEN pa END) V16F,
       COUNT(DISTINCT CASE WHEN pa LIKE 'V15S%' THEN pa END) V15S,
       COUNT(DISTINCT CASE WHEN pa LIKE 'V15C%' THEN pa END) V15C
FROM (
  SELECT SN, tx_id, pa3 pa FROM tablename
  UNION ALL
  SELECT SN, tx_id, pa4 pa FROM tablename
) t  
GROUP BY SN, tx_id

或者，使用UNION，它会删除重复的行，因此不需要DISTINCT：

SELECT SN, tx_id,
       COUNT(CASE WHEN pa LIKE 'V16F%' THEN pa END) V16F,
       COUNT(CASE WHEN pa LIKE 'V15S%' THEN pa END) V15S,
       COUNT(CASE WHEN pa LIKE 'V15C%' THEN pa END) V15C
FROM (
  SELECT SN, tx_id, pa3 pa FROM tablename
  UNION 
  SELECT SN, tx_id, pa4 pa FROM tablename
) t  
GROUP BY SN, tx_id

可以进一步简化为：

SELECT SN, tx_id,
       SUM(pa LIKE 'V16F%') V16F,
       SUM(pa LIKE 'V15S%') V15S,
       SUM(pa LIKE 'V15C%') V15C
FROM (
  SELECT SN, tx_id, pa3 pa FROM tablename
  UNION 
  SELECT SN, tx_id, pa4 pa FROM tablename
) t  
GROUP BY SN, tx_id

另一种方法是直接使用条件聚合，逻辑更复杂，适用于该示例数据：

SELECT SN, tx_id,
       COUNT(DISTINCT CASE WHEN pa3 LIKE 'V16F%' THEN pa3 END) +
       COUNT(DISTINCT CASE WHEN pa4 LIKE 'V16F%' THEN pa4 END) -
       SUM(pa3 = pa4) V16F,
       COUNT(DISTINCT CASE WHEN pa3 LIKE 'V15S%' THEN pa3 END) +
       COUNT(DISTINCT CASE WHEN pa4 LIKE 'V15S%' THEN pa4 END) -
       SUM(pa3 = pa4) V15S,
       COUNT(DISTINCT CASE WHEN pa3 LIKE 'V15C%' THEN pa3 END) +
       COUNT(DISTINCT CASE WHEN pa4 LIKE 'V15C%' THEN pa4 END) -
       SUM(pa3 = pa4) V15C
FROM tablename
GROUP BY SN, tx_id

请参阅demo。