组合 GROUP BY 和 ROW_NUMBER()答案

【问题标题】：Combine GROUP BY and ROW_NUMBER()组合 GROUP BY 和 ROW_NUMBER()
【发布时间】：2015-04-06 23:09:16
【问题描述】：

样本数据

userid         email_address               login_name       name                Title       org            phone_number_com
=============  ==========================  ===============  ==================  ==========  =============  ===================
1192           Steve.Jobs@apple.com        sjobs            Steve Jobs          CEO         Apple          N/A
1274           Steve.Jobs@apple.com        sjobs            Steve Jobs          CFO         Apple          697-4686
1192           Steven.jobs@apple.com       sjobs            Steven jobs         CEO         Apple          604-7126
1885           Bill.Gates@microsoft.com    bgates           Bill Gates          CEO         Microsoft      604-7114
1920           Bill.Gates@microsoft.com    bgates           William Gates       CTR         Microsoft      604-7247
1951           Warren.Buffet@hp.com        wbuffet          Warren Buffet       CEO         HP             614-9141
1954           Warren.Buffet@hp.com        wbuffet          W. Buffet           COO         HP             614-7589
1951           Warren.Buffet@xerox.com     wbuffet          Warren S Buffet     CIO         Xerox          614-8874
1956           Mark.Zuckerberg@fb.com      mzuck            Mark  Zuckerberg    CEO         FB             614-8295

查询

SELECT * 
FROM
    (
        SELECT userid, name, login_name, email_address, phone_number_com,
        ROW_NUMBER() OVER(PARTITION BY [login_name] ORDER BY login_name) Num_Duplicates
        FROM web_user
    ) as Rows
WHERE Num_Duplicates > 1

这是我的第一篇文章，希望我遵循所有程序。我得到一个结果集，其中显示了重复的第二行和第三行。我正在尝试GROUP BY login_name 并且只显示具有最高Num_Duplicates 的行。如果 login_name 的 Num_Duplicates 为 2 和 3，则仅显示 3 的行。我希望这是有道理的！提前感谢您提供的任何指导。

这些是我希望查询输出的结果：

userid  | email_address | login_name    | name  | Title | org   phone_number_com    | Num_Duplicates       
1192    | Steve.Jobs@apple.com  | sjobs | Steve Jobs    | CEO   | Apple |   N/A | 3      
1885    | Bill.Gates@microsoft.com  | bgates    | Bill Gates    | CEO   | Microsoft | 604-7114  | 2       
1951    | Warren.Buffet@hp.com  | wbuffet   | Warren Buffet | CEO   | HP    | 614-9149  | 3

【问题讨论】：

为什么需要行号？
你会添加你想要的结果吗？
为什么只显示第三个？您正在按 login_name 进行分组和排序，这意味着每个组中的顺序是任意的，并且每次执行时都可能不同。所以1、2、3..它们都是一样的。为什么只显示3？为什么不只显示 2 或只显示 1？
让我们备份并找出您所追求的。您是否只是在列出所有“基于 login_name 的重复项”并显示 3 条记录中的任何一条的字段？
对不起，是的，我毕竟是重复的 login_name，只需要显示任何记录中的一个字段，无论是 2 还是 3。

标签： sql sql-server sql-server-2008

【解决方案1】：

嗯 - 从你的描述听起来你只是想要这样的东西（在我的脑海中）：

SELECT login_name, email_address 
FROM web_user
GROUP BY login_name, email_address
HAVING count(*) > 2

【讨论】：

在我的结果中，我需要返回用户 ID、姓名、登录名、电子邮件地址、电话号码_com。
只需根据需要添加 - 例如login_name, email_address, MAX(phone_number)，等等。
ISE，如果我按我选择的所有列分组，它会给我一个不准确的结果。我只需要对 login_name 进行 GROUP BY 并显示我正在选择的其他字段（例如用户 ID、姓名、登录名、电子邮件地址、电话号码_com）
只要您意识到每组只能有一个其他字段值，即使数据中有更多，您也可以只对一列进行分组，然后选择其余列如上所示，MIN 或 MAX。

【解决方案2】：

如果我理解您要正确执行的操作，您将首先按登录名分组以获取重复次数：

SELECT login_name, COUNT(*) AS num_duplicates
  FROM web_user
 GROUP BY login_name

在这里，您可以使用带有ROW_NUMBER() 的子查询（尽管我建议使用RANK() 以防出现平局），也可以只在窗口函数中使用聚合：

SELECT login_name, COUNT(*) AS num_duplicates
     , RANK() OVER ( ORDER BY COUNT(*) DESC ) AS rn
  FROM web_user
 GROUP BY login_name;

然后将其放入子查询中以仅获取重复次数最多的login_name：

SELECT * FROM (
    SELECT login_name, COUNT(*) AS num_duplicates
         , RANK() OVER ( ORDER BY COUNT(*) DESC ) AS rn
      FROM web_user
     GROUP BY login_name
) WHERE rn = 1;

更新每个 OP 的 cmets，问题编辑：

SELECT userid, name, login_name, email_address, phone_number_com, num_duplicates
  FROM (
    SELECT userid, name, login_name, email_address, phone_number_com
         , COUNT(*) OVER ( PARTITION BY login_name ) AS num_duplicates
         , ROW_NUMBER() OVER ( PARTITION BY login_name ORDER BY userid ) AS rn
      FROM web_user
) WHERE num_duplicates > 1 AND rn = 1;

我在上面所做的是使用COUNT(*) 作为窗口函数； login_name 的分区将获得每个登录名的计数。我还按login_name 进行分区以获得ROW_NUMBER() 并按userid 排序，以便我可以返回最小值（您似乎在所需的输出中这样做）。

【讨论】：

我会在那里添加 HAVING COUNT(*) > 2 条件，所以你真的知道这些是重复的
根据 OP 的文字，我很确定这不是 Ariel 想要的。
大卫，我从以下查询开始：
SELECT login_name, COUNT(1) AS Num_Duplicates FROM web_user GROUP BY login_name HAVING COUNT(1) > 1 ORDER BY COUNT(1) DESC 我遇到的问题是我需要显示用户 ID、姓名, login_name, email_address, phone_number_com 在结果中。
@Ariel，对不起，我真的没有关注你。

【解决方案3】：

以下内容应该可以满足您的需求。

ROW_NUMBER 窗口函数用于识别登录名的第一行。

COUNT 窗口函数用于统计每个 login_name 的行数。

然后，外部查询将结果限制为超过 1 行的 login_name，并且仅返回每个 login_name 的第一行。

DECLARE @users TABLE
(
    userid              int
    , email_address     varchar(100)
    , login_name        varchar(100)
    , name              varchar(100)
    , title             varchar(100)
    , org               varchar(100)
    , phone_number_com  varchar(100)
)

INSERT INTO @users
VALUES
(1192, 'Steve.Jobs@apple.com', 'sjobs', 'Steve Jobs', 'CEO', 'Apple', 'N/A')
, (1274, 'Steve.Jobs@apple.com', 'sjobs', 'Steve Jobs', 'CFO', 'Apple', '697-4686')
, (1192, 'Steven.jobs@apple.com', 'sjobs', 'Steven jobs', 'CEO', 'Apple', '604-7126')
, (1885, 'Bill.Gates@microsoft.com', 'bgates', 'Bill Gates', 'CEO', 'Microsoft', '604-7114')
, (1920, 'Bill.Gates@microsoft.com', 'bgates', 'William Gates', 'CTR', 'Microsoft', '604-7247')
, (1951, 'Warren.Buffet@hp.com', 'wbuffet', 'Warren Buffet', 'CEO', 'HP', '614-9141')
, (1954, 'Warren.Buffet@hp.com', 'wbuffet', 'W. Buffet', 'COO', 'HP', '614-7589')
, (1951, 'Warren.Buffet@xerox.com', 'wbuffet', 'Warren S Buffet', 'CIO', 'Xerox', '614-8874')
, (1956, 'Mark.Zuckerberg@fb.com', 'mzuck', 'Mark Zuckerberg', 'CEO', 'FB', '614-8295')
;

WITH LoginWithWindowFunction AS
(
    SELECT
        *
        , ROW_NUMBER() OVER(PARTITION BY login_name ORDER BY userid) AS LoginOrder
        , COUNT(*) OVER(PARTITION BY login_name) AS Num_Duplicates

    FROM
        @users
)

SELECT
    userid
    , email_address
    , login_name
    , name
    , title
    , org
    , phone_number_com
    , Num_Duplicates

FROM
    LoginWithWindowFunction

WHERE
    LoginOrder = 1
    AND Num_Duplicates > 1

ORDER BY
    userid

【讨论】：