为什么 SQL 在需要外连接的地方进行内连接答案

【问题标题】：Why is SQL doing an inner join where an outer join is needed为什么 SQL 在需要外连接的地方进行内连接
【发布时间】：2017-12-25 21:01:49
【问题描述】：

我有两个表，我想使用 SQL “外部”连接（然后获取）。确切的 SQL 查询（有问题）是：

SELECT
    LEFT(a.cusip, 6) AS cusip6, 
    a.date, a.prc, a.ret, a.vol, a.spread, a.shrout,
    b.epsf12, (b.seqq-b.pstkq) / b.cshoq AS bps
FROM
    crsp.msf a 
FULL JOIN 
    compa.fundq b ON (LEFT(a.cusip, 6) = LEFT(b.cusip, 6) 
                  AND a.date = b.datadate)
WHERE 
    (b.datadate BETWEEN '2010-01-01' and '2015-12-31') 
    AND (a.date BETWEEN '2010-01-01' and '2015-12-31') 
    AND (b.cshoq > 0)

这将返回 670'293 行。

但是当我分别获取两个数据集并（外部）通过 R-merge() 加入它们时，我得到 1'182'093 行。我使用的两个单独的查询是：

SELECT  
    LEFT(cusip, 6) AS cusip6, date, prc, ret, vol, spread, shrout 
FROM
    crsp.msf 
WHERE 
    date BETWEEN '2010-01-01' and '2015-12-31'

SELECT 
    LEFT(cusip, 6) AS cusip6, datadate AS date, epsf12, 
    (seqq-pstkq)/cshoq AS bps 
FROM
    compa.fundq 
WHERE 
    datadate BETWEEN '2010-01-01' and '2015-12-31' 
    AND cshoq > 0

然后我合并（外部连接）使用：

merge(x = data_1, y = data_2, by.x = c("cusip6", "date"), by.y = c("cusip6", "date"), all = T)

这将返回 1'182'093 行，这是正确的。因此，当我明确指定外连接时，我原来的（第一个）SQL 查询实际上是在执行“内连接”。下面的 R-merge() 返回 670'293 行，重新验证从 SQL 获取的数据确实是一个内连接。

merge(x = data_1, y = data_2, by.x = c("cusip6", "date"), by.y = c("cusip6", "date"))

我的 SQL 查询做错了什么？

【问题讨论】：

这适用于哪个 RDBMS？请添加标签以指定您使用的是mysql、postgresql、sql-server、oracle 还是db2 - 或其他完全不同的东西。
a 中的列在没有匹配行时如何填充？这将如何与 where 子句一起使用，该子句对来自 a 的某些列具有显式子句？

标签： sql join merge

【解决方案1】：

因为 WHERE 子句应用在 JOIN 之后。此时有 NULL 值（作为“失败”JOIN 的结果），这些行在 WHERE 子句中失败。

如果您需要 OUTER JOIN 和过滤器，请将过滤器放在 JOIN 或子查询中。

SELECT
    LEFT(a.cusip, 6) AS cusip6, 
    a.date, a.prc, a.ret, a.vol, a.spread, a.shrout,
    b.epsf12, (b.seqq-b.pstkq) / b.cshoq AS bps
FROM
    (SELECT * FROM crsp.msf WHERE date BETWEEN '2010-01-01' and '2015-12-31') a
FULL JOIN 
    (SELECT * FROM compa.fundq WHERE datadate BETWEEN '2010-01-01' and '2015-12-31' AND cshoq > 0) b
        ON  LEFT(a.cusip, 6) = LEFT(b.cusip, 6) 
        AND a.date = b.datadate

【讨论】：