带有 OR 条件的 SQL 查询，如 GROUP BY答案

【问题标题】：SQL query like GROUP BY with OR condition带有 OR 条件的 SQL 查询，如 GROUP BY
【发布时间】：2011-09-10 23:00:16
【问题描述】：

我将尝试描述真实情况。在我们公司，我们有一个带桌子的预订系统，我们称之为Customers，其中电子邮件和电话联系人与每个收到的订单一起保存 - 这是我无法更改的系统的一部分。我正面临如何计算 unique 客户的问题。对于唯一客户，我指的是拥有相同电子邮件或相同电话号码的一群人。

示例 1：您可以从现实生活中想象已婚的汤姆和桑德拉。订购了 4 种产品的 Tom 在我们的预订系统中填写了 3 个不同的电子邮件地址和 2 个不同的电话号码，其中一个与 Sandra（作为家庭电话）共享，因此我可以假设它们以某种方式连接。除了这个共享电话号码之外，Sandra 还填写了她的私人电话号码，对于这两个订单，她只使用了一个电子邮件地址。对我来说，这意味着将以下行中的所有行计为一个唯一客户。所以事实上这个独特的客户可能会成长为整个家庭。

ID   E-mail              Phone          Comment
---- ------------------- -------------- ------------------------------
0    tom@email.com       +44 111 111    First row
1    tommy@email.com     +44 111 111    Same phone, different e-mail
2    thomas@email.com    +44 111 111    Same phone, different e-mail
3    thomas@email.com    +44 222 222    Same e-mail, different phone
4    sandra@email.com    +44 222 222    Same phone, different e-mail
5    sandra@email.com    +44 333 333    Same e-mail, different phone

正如ypercube 所说，我可能需要一个递归来计算所有这些独特的客户。

示例 2：这是我想要做的示例。

是否可以在不使用递归的情况下获取 唯一客户数例如使用游标或其他东西还是需要递归？

ID   E-mail              Phone          Comment
---- ------------------- -------------- ------------------------------
0    linsey@email.com    +44 111 111    ─┐
1    louise@email.com    +44 111 111     ├─ 1. unique customer
2    louise@email.com    +44 222 222    ─┘
---- ------------------- -------------- ------------------------------
3    steven@email.com    +44 333 333    ─┐
4    steven@email.com    +44 444 444     ├─ 2. unique customer
5    sandra@email.com    +44 444 444    ─┘
---- ------------------- -------------- ------------------------------
6    george@email.com    +44 555 555    ─── 3. unique customer
---- ------------------- -------------- ------------------------------
7    xavier@email.com    +44 666 666    ─┐
8    xavier@email.com    +44 777 777     ├─ 4. unique customer
9    xavier@email.com    +44 888 888    ─┘
---- ------------------- -------------- ------------------------------
10   robert@email.com    +44 999 999    ─┐
11   miriam@email.com    +44 999 999     ├─ 5. unique customer
12   sherry@email.com    +44 999 999    ─┘
---- ------------------- -------------- ------------------------------
----------------------------------------------------------------------
Result                                  ∑ = 5 unique customers
----------------------------------------------------------------------

我已尝试使用 GROUP BY 进行查询，但我不知道如何按第一列或第二列对结果进行分组。我正在寻找让我们说类似的东西

SELECT COUNT(*) FROM Customers
GROUP BY Email OR Phone

再次感谢您的任何建议

附注在完整改写之前，我非常感谢这个问题的答案。现在这里的答案可能与更新不对应，所以如果你打算这样做，请不要在这里投反对票（当然问题除外：）。我完全重写了这篇文章。

感谢并为我的错误开始感到抱歉。

【问题讨论】：

尝试搜索OVER和PARTITION BY或window functions
为什么 George 的计数是 3，为什么他的 Id 从 5 变成 7
也许我的问题并不清楚，但我只寻找这种独特客户的独特数量。我会更新我的问题，非常抱歉参与者并感谢您的努力。
@Conrad Frix - 因为 George 和 Thomas 有相同的电话，而 Thomas 和 Thomas 有相同的名字（实际上是电子邮件）。所以这在现实生活中意味着乔治和托马斯是例如。已婚 :) 并且他们有共同的电话，所以我将他们视为同名或相同电话的唯一客户。
@daemon_x：不要删除。您可以在问题末尾添加“更新”，标记您可能需要递归查询。

标签： sql-server sql-server-2005 tsql recursion

【解决方案1】：

这是使用递归 CTE 的完整解决方案。

;WITH Nodes AS
(
    SELECT DENSE_RANK() OVER (ORDER BY Part, PartRank) SetId
        , [ID]
    FROM
    (
        SELECT [ID], 1 Part, DENSE_RANK() OVER (ORDER BY [E-mail]) PartRank
        FROM dbo.Customer
        UNION ALL
        SELECT [ID], 2, DENSE_RANK() OVER (ORDER BY Phone) PartRank
        FROM dbo.Customer
    ) A
),
Links AS
(
    SELECT DISTINCT A.Id, B.Id LinkedId
    FROM Nodes A
    JOIN Nodes B ON B.SetId = A.SetId AND B.Id < A.Id
),
Routes AS
(
    SELECT DISTINCT Id, Id LinkedId
    FROM dbo.Customer

    UNION ALL

    SELECT DISTINCT Id, LinkedId
    FROM Links

    UNION ALL

    SELECT A.Id, B.LinkedId
    FROM Links A
    JOIN Routes B ON B.Id = A.LinkedId AND B.LinkedId < A.Id
),
TransitiveClosure AS
(
    SELECT Id, Id LinkedId
    FROM Links

    UNION

    SELECT LinkedId Id, LinkedId
    FROM Links

    UNION

    SELECT Id, LinkedId
    FROM Routes
),
UniqueCustomers AS
(
    SELECT Id, MIN(LinkedId) UniqueCustomerId
    FROM TransitiveClosure
    GROUP BY Id
)
SELECT A.Id, A.[E-mail], A.Phone, B.UniqueCustomerId
FROM dbo.Customer A
JOIN UniqueCustomers B ON B.Id = A.Id

【讨论】：

+1 并接受；谢谢;虽然这很好用，但它也非常慢。现在我正在考虑在某个单独的列中对插入触发器进行分组（这将提高速度，因为我将使用 INT 作为它的数据类型）。无论如何祝贺你即将到来的 2k :)
感谢@daemon_x。我看到你也达到了 2k :-)。你是对的，它很慢。您可以将其重写为多行表函数。使用表变量。用 WHILE 循环替换递归部分，这会在每次迭代中删除多余的重复项。这应该会减少临时行的爆炸式增长，并有望加快速度。

【解决方案2】：

查找只有相同电话的组：

SELECT
    ID
  , Name
  , Phone
  , DENSE_RANK() OVER (ORDER BY Phone) AS GroupPhone
FROM 
    MyTable
ORDER BY
    GroupPhone
  , ID

查找只有相同名称的组：

SELECT
    ID
  , Name
  , Phone
  , DENSE_RANK() OVER (ORDER BY Name) AS GroupName
FROM 
    MyTable
ORDER BY
    GroupName
  , ID

现在，对于您描述的（复杂）查询，假设我们有一个这样的表：

ID   Name          Phone
---- ------------- -------------
0    Kate          +44 333 333
1    Sandra        +44 000 000
2    Thomas        +44 222 222
3    Robert        +44 000 000
4    Thomas        +44 444 444
5    George        +44 222 222
6    Kate          +44 000 000
7    Robert        +44 444 444
--------------------------------

所有这些都应该在一个组中吗？因为他们都与其他人共享姓名或电话，从而形成了相关人员的“链”：

0-6   same name
6-1-3 same phone
3-7   same name
7-4   same-phone
4-2   same name
2-5   bame phone

【讨论】：

是的，完全正确；您提到的表可能会返回 count = 1，正如您所说，我想构建一个 chain。在现实生活中，名称是电子邮件，对于世界上任何人来说都是独一无二的，但您可以有 2 个具有相同电子邮件的电话号码或具有不同电子邮件的相同电话。我觉得这是一个非常复杂的查询。
这很复杂，是的。它需要递归，但我相信有人会找到一种方法来编写它。

【解决方案3】：

对于示例中的数据集，您可以编写如下内容：

;WITH Temp AS (
    SELECT Name, Phone,
        DENSE_RANK() OVER (ORDER BY Name) AS NameGroup,
        DENSE_RANK() OVER (ORDER BY Phone) AS PhoneGroup
    FROM MyTable)
SELECT MAX(Phone), MAX(Name), COUNT(*)
FROM Temp
GROUP BY NameGroup, PhoneGroup

【讨论】：

【解决方案4】：

我不知道这是否是最好的解决方案，但这里是：

SELECT
  MyTable.ID, MyTable.Name, MyTable.Phone,
  CASE WHEN N.No = 1 AND P.No = 1 THEN 1
       WHEN N.No = 1 AND P.No > 1 THEN 2
       WHEN N.No > 1 OR P.No > 1  THEN 3
  END as GroupRes
FROM
  MyTable 
  JOIN (SELECT Name, count(Name) No FROM MyTable GROUP BY Name) N on MyTable.Name = N.Name
  JOIN (SELECT Phone, count(Phone) No FROM MyTable GROUP BY Phone) P on MyTable.Phone = P.Phone

问题在于，这里有一些在 varchars 上进行的连接，最终可能会增加执行时间。

【讨论】：

ID: 7, Name: George 的计数为 2，但这可能是正确的。您应该注意，您在内联视图中缺少Group by，添加Order by GroupRes 可能不会有什么坏处
@Conrad Frix：Ups，忘了放 GROUP BY。谢谢

【解决方案5】：

这是我的解决方案：

SELECT p.LastName, P.FirstName, P.HomePhone,
CASE 
    WHEN ph.PhoneCount=1 THEN       
        CASE 
            WHEN n.NameCount=1 THEN 'unique name and phone'
            ELSE 'common name'
        END

    ELSE        
        CASE 
            WHEN n.NameCount=1 THEN 'common phone'
            ELSE 'common phone and name'        
        END             
END
FROM Contacts p
INNER JOIN 
(SELECT HomePhone, count(LastName) as PhoneCount
FROM Contacts
GROUP BY HomePhone) ph ON ph.HomePhone = p.HomePhone

INNER JOIN 
(SELECT FirstName, count(LastName) as NameCount
FROM Contacts
GROUP BY FirstName) n ON n.FirstName = p.FirstName


LastN       FirstN  Phone       Comment
Hoover      Brenda  8138282334  unique name and phone
Washington  Brian   9044563211  common name
Roosevelt   Brian   7737653279  common name
Reagan      Charles 7734567869  unique name and phone

【讨论】：