T-SQL消除重复行并忽略特定列

Question

我很难找到适当的语句来选择非重复条目，而这些条目只在特定列上是重复的。例如，在以下表格中，我只关心col1，col2和col3中具有唯一值的行，而col4和col5中的值并不重要。这意味着我将认为行1和行2是重复的，而行4和行5也是重复的：

col1 col2 col3 col4 col5
 A    2    p    0    2
 A    2    p    1    8
 A    3    r    4    12
 B    0    f    3    1
 B    0    f    6    5

我希望只选择以下内容：

col1 col2 col3 col4 col5
 A    2    p    0    2
 A    3    r    4    12
 B    0    f    3    1

有没有一种方法可以合并多个DISTINCT语句以实现此目的，或者在比较重复行时指定要忽略的某些列？

- user2530187

---

你需要一些逻辑来选择返回第4列和第5列中的内容。如果你真的不需要它们，从SELECT DISTINCT字段列表中省略它们即可完成工作。 - Justin Crabtree

我需要在输出中保留第4列和第5列，所以不幸的是不能从DISTINCT字段中省略它们。 - user2530187

Answer 1

您需要选择要保留的行，您可以使用ROW_NUMBER（）函数来实现：

SELECT col1, col2, col3, col4, col5
FROM (SELECT *, ROW_NUMBER() OVER(PARTITION BY col1, col2, col3 ORDER BY col4 DESC) 'RowRank'
      FROM table
     )sub 
WHERE RowRank = 1

你可以更改 ORDER BY 部分来决定保留哪些行和舍弃哪些行。在此示例中，ROW_NUMBER() 函数只为每一行分配一个编号，你需要保留每个 col1、col2 和 col3 的组合，因此你需要通过 PARTITION BY 对它们进行分区，这意味着编号将从每个组合的 1 开始。你可以只运行内部查询来了解其运作方式。

或者，你可以使用 GROUP BY 和聚合函数，例如：

SELECT col1, col2, col3, MAX(col4), MAX(col5)
FROM table
GROUP BY col1, col2, col3

这里的缺点是col4和col5的MAX()可能来自不同的行，因此您不一定会返回原始表中的单个行，但如果您不关心返回哪一行，则无关紧要。

- Hart CO

---

我修改了您的初始解决方案，只使用嵌套SELECT： SELECT * FROM (SELECT DISTINCT(col1) AS unique_col1, col2, col 3 FROM table) ORDER BY unique_col1;这对我来说似乎可以工作。这足够吗？还是省略PARTITION会导致意想不到的问题？ - user2530187

如果你只想返回col1、col2和col3，你可以直接使用以下语句： SELECT DISTINCT col1,col2,col3 FROM table 使用ROW_NUMBER()的目的是基于这三个值返回完整的行。 - Hart CO

此外，GROUP BY 解决方案确实可行；一个问题——第4列和第5列将始终是递增的时间戳，因此我认为它总是会返回相同的行？（后面的那个？） - user2530187

Sub只是子查询的别名，SQL Server要求这样做。是的，MAX()总是获取最新日期，MIN()获取最早日期。 - Hart CO