从 postgres 的字符串数组列中删除重复的条目

Question

我有一个 PostgreSQL 表，其中有一列包含字符串数组。该行有一些唯一的数组字符串，或者一些也有重复的字符串。如果存在，我想从每行中删除重复的字符串。

我尝试了一些查询，但无法实现。

以下是表格：

  veh_id |             vehicle_types              
 --------+----------------------------------------
      1  | {"byd_tang","volt","viper","laferrari"} 
      2  | {"volt","viper"}                        
      3  | {"byd_tang","sonata","jaguarxf"}        
      4  | {"swift","teslax","mirai"}              
      5  | {"volt","viper"}                        
      6  | {"viper","ferrariff","bmwi8","viper"}   
      7  | {"ferrariff","viper","viper","volt"}    

我期待以下输出：

  veh_id |             vehicle_types              
 --------+----------------------------------------
      1  | {"byd_tang","volt","viper","laferrari"} 
      2  | {"volt","viper"}                        
      3  | {"byd_tang","sonata","jaguarxf"}        
      4  | {"swift","teslax","mirai"}              
      5  | {"volt","viper"}                        
      6  | {"viper","ferrariff","bmwi8"}           
      7  | {"ferrariff","viper","volt"}            

Answer 1

由于每一行的数组是独立的，一个带有 ARRAY 构造函数的普通相关子查询就可以完成这项工作：

SELECT *, ARRAY(SELECT DISTINCT unnest (vehicle_types)) AS vehicle_types_uni
FROM   vehicle;

见：

• Why is array_agg() slower than the non-aggregate ARRAY() constructor?

请注意，NULL 将转换为空数组 ('{}')。我们需要对它进行特殊处理，但无论如何它都被排除在下面的UPDATE 中。

快速简单。但是不要使用这个。您没有这么说，但通常您希望保留数组元素的原始顺序。您的基本样本也表明了这一点。在相关子查询中使用WITH ORDINALITY，会变得更复杂一些：

SELECT *, ARRAY (SELECT v
                 FROM   unnest(vehicle_types) WITH ORDINALITY t(v,ord)
                 GROUP  BY 1
                 ORDER  BY min(ord)
                ) AS vehicle_types_uni
FROM   vehicle;

见：

• PostgreSQL unnest() with element number

UPDATE 实际删除欺骗：

UPDATE vehicle
SET    vehicle_types = ARRAY (
                 SELECT v
                 FROM   unnest(vehicle_types) WITH ORDINALITY t(v,ord)
                 GROUP  BY 1
                 ORDER  BY min(ord)
                )
WHERE  cardinality(vehicle_types) > 1  -- optional
AND    vehicle_types <> ARRAY (
                 SELECT v
                 FROM   unnest(vehicle_types) WITH ORDINALITY t(v,ord)
                 GROUP  BY 1
                 ORDER  BY min(ord)
                ); -- suppress empty updates (optional)

两个添加的WHERE 条件都是可选的以提高性能。第一个是完全多余的。每个条件也排除了NULL 的情况。第二个禁止所有空更新。

见：

• How do I (or can I) SELECT DISTINCT on multiple columns?

如果您尝试在不保留原始顺序的情况下执行此操作，您可能会在不需要的情况下更新大多数行，因为即使没有重复，顺序或元素也会发生变化。

需要 Postgres 9.4 或更高版本。

db小提琴here

Answer 2

我并没有声称它是有效的，但这样的事情可能会起作用：

with expanded as (
  select veh_id, unnest (vehicle_types) as vehicle_type
  from vehicles
)
select veh_id, array_agg (distinct vehicle_type)
from expanded
group by veh_id

如果你真的想花点心思做最坏情况 O(n) 的事情，你可以写一个自定义函数：

create or replace function unique_array(input_array text[])
returns text[] as $$
DECLARE
  output_array text[];
  i integer;
BEGIN

  output_array = array[]::text[];

  for i in 1..cardinality(input_array) loop
    if not (input_array[i] = any (output_array)) then
      output_array := output_array || input_array[i];
    end if;
  end loop;

  return output_array;
END;
$$
language plpgsql

使用示例：

select veh_id, unique_array(vehicle_types)
from vehicles