¿Cómo puedo (o puedo) SELECCIONAR DISTINTO en varias columnas?
-
09-06-2019 - |
Pregunta
Necesito recuperar todas las filas de una tabla donde 2 columnas combinadas son todas diferentes.Entonces quiero todas las ventas que no tengan otras ventas que hayan ocurrido el mismo día por el mismo precio.Las ventas que son únicas según el día y el precio se actualizarán a un estado activo.
Entonces estoy pensando:
UPDATE sales
SET status = 'ACTIVE'
WHERE id IN (SELECT DISTINCT (saleprice, saledate), id, count(id)
FROM sales
HAVING count = 1)
Pero me duele el cerebro al ir más allá de eso.
Solución
SELECT DISTINCT a,b,c FROM t
es apenas equivalente a:
SELECT a,b,c FROM t GROUP BY a,b,c
Es una buena idea acostumbrarse a la sintaxis GROUP BY, ya que es más poderosa.
Para tu consulta lo haría así:
UPDATE sales
SET status='ACTIVE'
WHERE id IN
(
SELECT id
FROM sales S
INNER JOIN
(
SELECT saleprice, saledate
FROM sales
GROUP BY saleprice, saledate
HAVING COUNT(*) = 1
) T
ON S.saleprice=T.saleprice AND s.saledate=T.saledate
)
Otros consejos
Si reúne las respuestas hasta el momento, las limpia y mejora, llegará a esta consulta superior:
UPDATE sales
SET status = 'ACTIVE'
WHERE (saleprice, saledate) IN (
SELECT saleprice, saledate
FROM sales
GROUP BY saleprice, saledate
HAVING count(*) = 1
);
Cual es mucho más rápido que cualquiera de ellos.Aumenta el rendimiento de la respuesta actualmente aceptada en un factor de 10 a 15 (en mis pruebas en PostgreSQL 8.4 y 9.1).
Pero esto todavía está lejos de ser óptimo.Usar una NOT EXISTS
(anti)semiunión para un rendimiento aún mejor. EXISTS
es SQL estándar, ha existido desde siempre (al menos desde PostgreSQL 7.2, mucho antes de que se hiciera esta pregunta) y se ajusta perfectamente a los requisitos presentados:
UPDATE sales s
SET status = 'ACTIVE'
WHERE NOT EXISTS (
SELECT FROM sales s1 -- SELECT list can be empty for EXISTS
WHERE s.saleprice = s1.saleprice
AND s.saledate = s1.saledate
AND s.id <> s1.id -- except for row itself
)
AND s.status IS DISTINCT FROM 'ACTIVE'; -- avoid empty updates. see below
db<>violín aquí
Viejo violín SQL
Clave única para identificar la fila
Si no tiene una clave principal o única para la tabla (id
en el ejemplo), puede sustituir con la columna del sistema ctid
para el propósito de esta consulta (pero no para otros propósitos):
AND s1.ctid <> s.ctid
Cada tabla debe tener una clave principal.Agregue uno si aún no tenía uno.Sugiero un serial
o un IDENTITY
columna en Postgres 10+.
Relacionado:
¿Cómo es esto más rápido?
La subconsulta en el EXISTS
la anti-semi-unión puede dejar de evaluarse tan pronto como se encuentre el primer duplicado (no tiene sentido buscar más).Para una tabla base con pocos duplicados, esto es sólo ligeramente más eficiente.Con muchos duplicados esto se vuelve forma más eficiente.
Excluir actualizaciones vacías
Para filas que ya tienen status = 'ACTIVE'
esta actualización no cambiaría nada, pero aún así insertaría una nueva versión de fila con el costo total (se aplican excepciones menores).Normalmente, no quieres esto.Agrega otro WHERE
condición como se demostró arriba para evitar esto y hacerlo aún más rápido:
Si status
se define NOT NULL
, puedes simplificar a:
AND status <> 'ACTIVE';
Sutil diferencia en el manejo de NULL
Esta consulta (a diferencia de la respuesta actualmente aceptada por Joel) no trata los valores NULL como iguales.Las siguientes dos filas para (saleprice, saledate)
calificaría como "distinto" (aunque parece idéntico al ojo humano):
(123, NULL)
(123, NULL)
También pasa en un índice único y en casi cualquier otro lugar, ya que los valores NULL no se comparan iguales según el estándar SQL.Ver:
OTOH, GROUP BY
, DISTINCT
o DISTINCT ON ()
trate los valores NULL como iguales.Utilice un estilo de consulta apropiado según lo que desee lograr.Aún puedes usar esta consulta más rápida con IS NOT DISTINCT FROM
en lugar de =
para que alguna o todas las comparaciones hagan que la comparación NULL sea igual.Más:
Si todas las columnas que se comparan están definidas NOT NULL
, no hay lugar para el desacuerdo.
El problema con su consulta es que cuando usa una cláusula GROUP BY (que esencialmente hace usando distinta) solo puede usar columnas que agrupa o agrega funciones.No puede utilizar la identificación de la columna porque existen valores potencialmente diferentes.En su caso, siempre hay un solo valor debido a la cláusula HAVING, pero la mayoría de los RDBMS no son lo suficientemente inteligentes como para reconocerlo.
Sin embargo, esto debería funcionar (y no necesita unirse):
UPDATE sales
SET status='ACTIVE'
WHERE id IN (
SELECT MIN(id) FROM sales
GROUP BY saleprice, saledate
HAVING COUNT(id) = 1
)
También puedes usar MAX o AVG en lugar de MIN, solo es importante usar una función que devuelva el valor de la columna si solo hay una fila coincidente.
Quiero seleccionar los valores distintos de una columna 'GrondOfLucht' pero deben ordenarse en el orden indicado en la columna 'clasificación'.No puedo obtener los distintos valores de una sola columna usando
Select distinct GrondOfLucht,sortering
from CorWijzeVanAanleg
order by sortering
También dará la columna 'clasificación' y debido a que 'GrondOfLucht' Y 'clasificación' no son únicos, el resultado serán TODAS las filas.
utilice el GRUPO para seleccionar los registros de 'GrondOfLucht' en el orden indicado por 'clasificación
SELECT GrondOfLucht
FROM dbo.CorWijzeVanAanleg
GROUP BY GrondOfLucht, sortering
ORDER BY MIN(sortering)
Si su DBMS no admite distintos con múltiples columnas como esta:
select distinct(col1, col2) from table
La selección múltiple en general se puede ejecutar de forma segura de la siguiente manera:
select distinct * from (select col1, col2 from table ) as x
Dado que esto puede funcionar en la mayoría de los DBMS, se espera que sea más rápido que la solución grupo por solución, ya que se evita la funcionalidad de agrupación.