PostgreSQL 中的多个 DISTINCT ON 子句答案

【问题标题】：Multiple DISTINCT ON clauses in PostgreSQLPostgreSQL 中的多个 DISTINCT ON 子句
【发布时间】：2017-02-28 09:58:40
【问题描述】：

是否可以选择 DISTINCT ON 一些单独的、独立的列集的行？

假设我想要所有符合以下条件的行：

区别于(name, birth)
区别于(name, height)

因此，在下表中，标有红叉的行不会是不同的（带有失败子句的指示）：

name      birth    height
--------------------------
William    1976      1.82
James      1981      1.68
Mike       1976      1.68
Tom        1967      1.79
William    1976      1.74   ❌ (name, birth)
William    1981      1.82   ❌ (name, height)
Tom        1978      1.92
Mike       1963      1.68   ❌ (name, height)
Tom        1971      1.86
James      1981      1.77   ❌ (name, birth)
Tom        1971      1.89   ❌ (name, birth)

在上面的示例中，如果 DISTINCT ON 子句刚刚是 DISTINCT ON (name, birth, height)，那么所有行都将被视为不同的。

试过了还是不行：

SELECT DISTINCT ON (name, birth) (name, height) ...
SELECT DISTINCT ON (name, birth), (name, height) ...
SELECT DISTINCT ON ((name, birth), (name, height)) ...
SELECT DISTINCT ON (name, birth) AND (name, height) ...
SELECT DISTINCT ON (name, birth) AND ON (name, height) ...
SELECT DISTINCT ON (name, birth) DISTINCT ON (name, height) ...
SELECT DISTINCT ON (name, birth), DISTINCT ON (name, height) ...

【问题讨论】：

Postgres 允许在表达式上使用DISTINCT ON 。也许你想要SELECT DISTINCT ON (name||birth, name||height) 之类的东西？
@Eugene 非常好，似乎可以解决问题并且没有明显的性能损失。你为什么不把它变成一个答案？
@Jivan 你有订购标准吗？如果没有，您可能会得到随机行，例如您可能会得到William | 1976 | 1.82 或者可能是William | 1981| 1.82
@OtoShavadze 精度不错——我猜这个简单的技巧不适用于排序标准
您的问题的定义是不确定性。结果可能包括William 1976 1.82 或William 1976 1.74 和 William 1981 1.82 两者都符合您的标准。您需要更仔细地定义目标。（例如，通过明确定义从每组欺骗中选择哪一行。）并且总是提供您的 Postgres 版本。

标签： sql postgresql duplicates distinct-on

【解决方案1】：

As commented，这个问题有歧义。每次调用的结果行数可能不同。如果您对任意结果感到满意，@klin's solution 就足够了。否则，您需要更紧密地定义需求。喜欢：
区别(name, birth)，先选择最小的高度，然后选择最小的ID作为决胜局

或者：
在 (name, height) 上不同，先选择最早的出生，然后选择最小的 ID 作为决胜局

您的表应该有一个主键（或一些唯一标识行的方法）：

CREATE TEMP TABLE tbl (
  tbl_id serial PRIMARY KEY
, name text
, birth int
, height numeric);

INSERT INTO tbl (name, birth, height)
VALUES
  ('William', 1976, 1.82)
, ('James',   1981, 1.68)
, ('Mike',    1976, 1.68)
, ('Tom',     1967, 1.79)
, ('William', 1976, 1.74)
, ('William', 1981, 1.82)
, ('Tom',     1978, 1.92)
, ('Mike',    1963, 1.68)
, ('Tom',     1971, 1.86)
, ('James',   1981, 1.77)
, ('Tom',     1971, 1.89);

查询：

SELECT DISTINCT ON (name, height) *
FROM  (
   SELECT DISTINCT ON (name, birth) *
   FROM   tbl
   ORDER  BY name, birth, height, tbl_id  -- pick smallest height, ID as tiebreaker
   ) sub
ORDER  BY name, height, birth, tbl_id;    -- pick earliest birth, ID as tiebreaker

 tbl_id |  name   | birth | height
--------+---------+-------+--------
      2 | James   |  1981 |   1.68
      8 | Mike    |  1963 |   1.68
      4 | Tom     |  1967 |   1.79
      9 | Tom     |  1971 |   1.86
      7 | Tom     |  1978 |   1.92
      5 | William |  1976 |   1.74
      6 | William |  1981 |   1.82
(7 rows)    -- !!!

没有确定性ORDER BY 的DISTINCT ON 查询可以从每组欺骗中返回任意行。应用一次，您仍然可以获得确定的行数（任意选择）。重复应用，得到的行数也是任意的。相关：

Select first row in each GROUP BY group?

【讨论】：

【解决方案2】：

使用派生表：

with my_table(name, birth, height) as (
values
('William',    1976,      1.82),
('James',      1981,      1.68),
('Mike',       1976,      1.68),
('Tom',        1967,      1.79),
('William',    1976,      1.74),  -- ? (name, birth)
('William',    1981,      1.82),  -- ? (name, height)
('Tom',        1978,      1.92),
('Mike',       1963,      1.68),  -- ? (name, height)
('Tom',        1971,      1.86),
('James',      1981,      1.77),  -- ? (name, birth)
('Tom',        1971,      1.89)   -- ? (name, birth)
)
select distinct on (name, height) *
from (
    select distinct on (name, birth) *
    from my_table
    ) s

  name   | birth | height 
---------+-------+--------
 James   |  1981 |   1.68
 Mike    |  1963 |   1.68
 Tom     |  1967 |   1.79
 Tom     |  1971 |   1.89
 Tom     |  1978 |   1.92
 William |  1976 |   1.82
(6 rows)

【讨论】：