不同的两列分组在另一列上

Question

我正在尝试计算 SQL Server 中另一列分组的两列重复值的数量。

以下是我正在处理的示例场景。

    DECLARE @mytable TABLE (CampName varchar(10),ID VARCHAR(10),ListName varchar(10))
    INSERT INTO @mytable
            ( CampName, ID, ListName )
    VALUES  ( 'A',   'X',   'Y' ), ( 'A',   'X',   'Y' ), 
            ( 'A',   'Y',   'Z' ), ( 'A',   'Y',   'Z' ),
            ( 'A',   'Y',   'Z' ), ( 'A',   'P',   'Q' ),
            ( 'B',   'X',   'Y' ), ( 'B',   'X',   'Y' ), 
            ( 'B',   'Y',   'Z' ), ( 'B',   'Y',   'Z' ),
            ( 'B',   'Y',   'Z' ), ( 'B',   'P',   'Q' ),
            ( 'B',   'R',   'S' ), ( 'B',   'R',   'S' )

这将产生下表。

 CampName   ID  ListName
-------------------------------------
      A     X     Y
      A     X     Y -- Duplicate Record
      A     Y     Z
      A     Y     Z -- Duplicate Record
      A     Y     Z -- Duplicate Record
      A     P     Q
      B     X     Y 
      B     X     Y -- Duplicate Record
      B     Y     Z
      B     Y     Z -- Duplicate Record
      B     Y     Z -- Duplicate Record
      B     P     Q
      B     R     S
      B     R     S -- Duplicate Record

我需要如下输出：

CampName   dupcount
-------------------
A            3
B            4

基本上，无论重复值是什么，我都需要计算出每个 CampName 的重复 (ID、ListName) 数量。

如果我能澄清这方面的其他内容，请告诉我。 任何帮助将不胜感激。

Answer 1

您可以使用以下查询：

SELECT CampName, SUM(cnt) AS dupcount
FROM (
  SELECT CampName, COUNT(*) - 1 AS cnt
  FROM @mytable
  GROUP BY CampName, ID, ListName
  HAVING COUNT(*) > 1) AS t
GROUP BY CampName

内部查询使用HAVING 子句过滤掉非重复条目。它还计算每个ID, ListName 的重复记录数。外部查询只是对重复项的数量求和。

Answer 2

我相信ID 和 ListName 组合的不同数量需要从每个CampName 组的总数中减去才能得到正确的结果。

SELECT t.CampName,
       COUNT(*) - COUNT(DISTINCT 'ColOne' + ID + 'ColTwo' + ListName) AS dupcount
FROM yourTable t
GROUP BY CampName

这个查询使用了一个技巧，即连接ID 和ListName 列，它们都是文本，以有效地形成一个伪组。这样做的需要是 DISTINCT 仅适用于单列，但您有两列需要考虑。

参考：Quora: In SQL, how to I count DISTINCT over multiple columns?

Answer 3

这是获得所需结果的简单方法：

select t.campname, count(*) - count(distinct t.listname) as num_duplicates
from @mytable t
group by t.campname;

逻辑是count(*) 计算所有行。 count(distinct) 计算不同列表的数量。区别在于重复的数量。

编辑：

Giorgios 提出了一个很好的观点。但是，数据看起来像 id 和 name 包含相同的信息，因此似乎只需要一个。如果你必须同时使用这两种方法，许多数据库会让你这样做：

select t.campname, count(*) - count(distinct t.id, t.listname) as num_duplicates
from @mytable t
group by t.campname;

但不是 SQL Server。相反，将它们连接在一起：

select t.campname,
       count(*) - count(distinct concat(t.id, ':', t.listname)) as num_duplicates
from @mytable t
group by t.campname;

Answer 4

这个问题有点含糊。

如果您认为所有 ID 和 ListName 组合始终相等，则以下查询适合您：

您可以通过在您的COUNT 中使用DISTINCT 来简单地做到这一点

SELECT CampName, COUNT(DISTINCT ListName) UniqueCount
FROM @mytable
GROUP BY CampName

如果您怀疑该组合可能并非始终相等，则需要考虑计算 ID 和 ListName 列的组合。

这假定连接运算符 | 不会出现在 两列中的任何一列。

SELECT CampName, COUNT(DISTINCT ID+'|'+ListName) UniqueCount
FROM @mytable
GROUP BY CampName

如果您担心计算重复的行数

SELECT CampName, COUNT(*) - COUNT(DISTINCT ID+'|'+ListName) dupCount
FROM @mytable
GROUP BY CampName

我认为是另一种选择

;WITH Temp AS
(
    SELECT CampName, ID, ListName, COUNT(*) UniqueCount 
    FROM @mytable
    GROUP BY CampName, ID, ListName
)
SELECT CampName, COUNT(UniqueCount) count 
FROM Temp
GROUP BY CampName

Answer 5

您也可以使用 CONCAT 检索相同的结果，它更可靠

SELECT CampName, 
    COUNT(ListName)-COUNT(DISTINCT CONCAT(id,ListName)) tot 
FROM #tmp 
GROUP BY CampName 

Answer 6

试试这样，分析SELECT语句，WITH子句对逻辑不重要：

WITH input_data AS (
  SELECT 'X' AS x, 'Y' AS y FROM DUAL
  UNION ALL
  SELECT 'X' AS x, 'Y' AS y FROM DUAL
  UNION ALL
  SELECT 'X' AS x, 'A' AS y FROM DUAL
)
SELECT input_data.*, COUNT(*) OVER (PARTITION BY x, y) - 1 AS numer_duplicates
FROM input_data
;