如何删除不存在unique row id的重复行?

我的表是

col1  col2 col3 col4 col5 col6 col7
john  1    1    1    1    1    1 
john  1    1    1    1    1    1
sally 2    2    2    2    2    2
sally 2    2    2    2    2    2


我想在重复后保留以下内容删除:

john  1    1    1    1    1    1
sally 2    2    2    2    2    2


我已经尝试了一些查询,但是我认为它们依赖于行ID,因为我没有得到期望的结果。例如:

DELETE
FROM table
WHERE col1 IN (
    SELECT id
    FROM table
    GROUP BY id
    HAVING (COUNT(col1) > 1)
)


评论

这不是第一个链接的重复。该问题中没有行ID,链接的问题中有行ID。完全不同。

将'SELECT ID FROM table GROUP BY id HAVING'更改为具有聚合函数,例如MAX / MIN,它应该可以工作。

#1 楼

我喜欢CTE和ROW_NUMBER,因为两者结合在一起可以让我们看到哪些行被删除(或更新),因此只需将DELETE FROM CTE...更改为SELECT * FROM CTE即可:

WITH CTE AS(
   SELECT [col1], [col2], [col3], [col4], [col5], [col6], [col7],
       RN = ROW_NUMBER()OVER(PARTITION BY col1 ORDER BY col1)
   FROM dbo.Table1
)
DELETE FROM CTE WHERE RN > 1



COL1    COL2    COL3    COL4    COL5    COL6    COL7
john    1        1       1       1       1       1
sally   2        2       2       2       2       2


由于col1,此示例通过单列PARTITION BY col1确定重复项。如果要包括多个列,只需将它们添加到PARTITION BY中:

ROW_NUMBER()OVER(PARTITION BY Col1, Col2, ... ORDER BY OrderColumn)


评论


@ omachu23:在这种情况下,这没关系,尽管我认为CTE的效率要比外界的效率高(AND COl1 ='John')。通常,您应该在CTE中应用过滤器。

– Tim Schmelter
2015年2月11日在21:18

@ omachu23:您可以在CTE中使用任何SQL(除订购外),因此如果要按Johns进行过滤:... FROM dbo.Table1 WHERE Col1 ='John'。这是小提琴:sqlfiddle.com/#!6/fae73/744/0

– Tim Schmelter
2015年2月11日在22:23



最简单的解决方案可能只是将rowcount 1从t1删除,其中col1 = 1和col2 = 1,如此处所示

–佐加拉特
2015年4月29日在16:23



此答案只会删除col1中重复的行。将“选择”中的列添加到“分区依据”中,例如使用答案中的选择:RN = ROW_NUMBER()OVER(PARTITION BY col1,col2,col3,col4,col5,col6,col7 ORDER BY col1)

– rlee
16 Mar 16 '16 at 11:26

CTE是什么意思,当我输入时会出现sql错误。

–白猫
16年8月5日在22:10

#2 楼

我希望CTE从sql server表中删除重复的行

强烈建议您遵循本文:: http://codaffection.com/sql-server-article/delete-duplicate-rows-in- sql-server /


通过保留原始


WITH CTE AS
(
SELECT *,ROW_NUMBER() OVER (PARTITION BY col1,col2,col3 ORDER BY col1,col2,col3) AS RN
FROM MyTable
)

DELETE FROM CTE WHERE RN<>1



而无需保留原始


WITH CTE AS
(SELECT *,R=RANK() OVER (ORDER BY col1,col2,col3)
FROM MyTable)
 
DELETE CTE
WHERE R IN (SELECT R FROM CTE GROUP BY R HAVING COUNT(*)>1)


评论


窗口功能是一个很好的解决方案。

–罗伯特·凯西(Robert Casey)
16年8月25日在16:08

我有点困惑。您从CTE而不是原始表中删除了它。那么它是怎样工作的?

–大眼
19年4月19日在20:29

@Bigeyes从CTE删除记录将从实际物理表中删除相应的记录。(因为CTE包含对实际记录的引用)。

– Shamseer K
19年4月20日在11:26

在发布这篇文章之前,我不知道是这种情况。谢谢

–扎克·迪亚兹(Zakk Diaz)
19年8月19日在22:41

为什么要同时删除原始副本和副本副本?我不明白为什么您不希望只删除重复项并保留另一个。

–丰富
19年8月26日在3:23

#3 楼

无需使用CTEROW_NUMBER(),您可以仅通过使用MAX函数的group by来删除记录,这是example和


评论


该查询将删除非重复记录。

–Derek Smalls
17年11月30日在16:01

效果很好,谢谢。 @DerekSmalls,这不会删除我的非重复记录。

–monteirobrena
17年12月7日13:08



或者您可以使用MIN(ID)保留原始记录

–野蛮人
19年11月21日在20:08

#4 楼

DELETE from search
where id not in (
   select min(id) from search
   group by url
   having count(*)=1

   union

   SELECT min(id) FROM search
   group by url
   having count(*) > 1
)


评论


您是否可以重写为:id in(选择max(id)...具有count(*)> 1)?

–布伦特
16年2月10日在16:01

我不认为有必要使用had或union,这就足够了:从搜索中删除ID不在的地方(从搜索组中按URL选择min(id))

–杨Chris
16 Mar 7 '16 at 20:14

#5 楼

如果没有引用(例如外键),则可以执行此操作。在测试概念验证和测试数据重复时,我会做很多事情。
SELECT DISTINCT [col1],[col2],[col3],[col4],[col5],[col6],[col7]

INTO [newTable]

FROM [oldTable]

进入对象资源管理器并删除旧表。
用旧表的名称重命名新表。

评论


这是我在介绍资料中学习并使用的最简单的方法。

–eric
19/12/14在3:10

奇怪的是,当[oldTable]拥有数十亿行时,此答案的效果如何?

–牛
12月19日4:37

#6 楼

也请参见下面的删除方法。

Declare @table table
(col1 varchar(10),col2 int,col3 int, col4 int, col5 int, col6 int, col7 int)
Insert into @table values 
('john',1,1,1,1,1,1),
('john',1,1,1,1,1,1),
('sally',2,2,2,2,2,2),
('sally',2,2,2,2,2,2)


创建了一个名为@table的示例表并加载了给定的数据。



Delete  aliasName from (
Select  *,
        ROW_NUMBER() over (Partition by col1,col2,col3,col4,col5,col6,col7 order by col1) as rowNumber
From    @table) aliasName 
Where   rowNumber > 1

Select * from @table




注意:如果要在Partition by部分中提供所有列,则order by的意义不大。

我知道,这个问题是三年前提出的,而我的回答是蒂姆(Tim)发布的内容的另一个版本,但是发布只是为了以防万一。

评论


这个更可靠

–罗兹比·扎兰迪(Rouzbeh Zarandi)
11月7日15:42



#7 楼

Microsoft有一个关于如何删除重复项的简洁指南。请查看http://support.microsoft.com/kb/139444

总之,这是删除几行时最简单的删除重复项的方法:

SET rowcount 1;
DELETE FROM t1 WHERE myprimarykey=1;


myprimarykey是该行的标识符。

我将rowcount设置为1,因为只有两行重复了。如果我重复了3行,那么我将把rowcount设置为2,这样它将删除它看到的前两行,而只在表t1中保留一行。

希望对任何人都可以帮助

评论


如果我有1万行,我怎么知道我重复了多少行?

– Fearghal
2014年6月6日9:20



@Fearghal尝试“通过primaryKey从myTable组中选择primaryKey,count(*);”

–oabarca
2014年6月7日15:15

但是,如果重复行的数量不同,该怎么办?即a行有2条记录,b行有5条记录,c行没有重复的记录

–thermite
2014年11月4日在16:16

@ user2070775如果所有行中只有一个子集具有重复项,而在那些重复项中,有一些重复了两次,而有些则被重复了三四次呢?

–thermite
2014年11月4日在17:20

@ user2070775我错过了您说“只需删除几行”的部分。页面上也有关于设置行数的警告,在将来的sql版本中,它不会影响更新或删除语句

–thermite
2014年11月4日17:27

#8 楼

mysql中有两种解决方案:

A)使用DELETE JOIN语句删除重复的行

DELETE t1 FROM contacts t1
INNER JOIN contacts t2 
WHERE 
    t1.id < t2.id AND 
    t1.email = t2.email;


此查询两次引用联系人表,因此,它使用表别名t1t2

输出为:


1
查询正常,受影响的4行(0.10秒)


如果要删除重复的行并保留lowest id,可以使用以下语句:

DELETE c1 FROM contacts c1
INNER JOIN contacts c2 
WHERE
    c1.id > c2.id AND 
    c1.email = c2.email;





B)使用中间表删除重复的行

以下显示了使用中间表删除重复的行的步骤:

1。创建具有与要删除重复行的原始表相同的结构的新表。

2.将原始表中的不同行插入到直接表中。

3.从原始表到直接表插入不同的行。



步骤1。创建一个结构与原始表相同的新表:

CREATE TABLE source_copy LIKE source;


步骤2。将原始表的不同行插入到新表中:

INSERT INTO source_copy
SELECT * FROM source
GROUP BY col; -- column that has duplicate values


步骤3.删除原始表,并将立即表重命名为原始表。

DROP TABLE source;
ALTER TABLE source_copy RENAME TO source;


来源:http: //www.mysqltutorial.org/mysql-delete-duplicate-rows/

评论


我的表中大约有190000行。对于这么多的行,sol 1不是一个好的选择。 sol 2对我来说效果很好。谢谢

– Nirav Chavda
11月2日,11:42



#9 楼

尝试使用:

SELECT linkorder
    ,Row_Number() OVER (
        PARTITION BY linkorder ORDER BY linkorder DESC
        ) AS RowNum
FROM u_links




#10 楼

可以通过sql server中的许多方法来实现。最简单的方法是:
将重复行表中的不同行插入到新的临时表中。然后从重复行表中删除所有数据,然后从临时表中插入没有重复项的所有数据,如下所示。



select distinct * into #tmp From table
   delete from table
   insert into table
   select * from #tmp drop table #tmp

   select * from table


#11 楼

在尝试了上述建议的解决方案之后,该方法适用于中小型表。
我可以建议大型表的解决方案。因为它是在迭代中运行。


删除LargeSourceTable的所有依赖关系视图

您可以使用sql managment studio查找依赖项,右键单击表格,然后单击“查看依赖项”
重命名表:
sp_rename 'LargeSourceTable', 'LargeSourceTable_Temp'; GO
再次创建LargeSourceTable,但是现在,添加一个具有定义重复项的所有列的主键,并添加WITH (IGNORE_DUP_KEY = ON)


例如:

CREATE TABLE [dbo].[LargeSourceTable] ( ID int IDENTITY(1,1), [CreateDate] DATETIME CONSTRAINT [DF_LargeSourceTable_CreateDate] DEFAULT (getdate()) NOT NULL, [Column1] CHAR (36) NOT NULL, [Column2] NVARCHAR (100) NOT NULL, [Column3] CHAR (36) NOT NULL, PRIMARY KEY (Column1, Column2) WITH (IGNORE_DUP_KEY = ON) ); GO

再次为新创建的表创建放置在第一位的视图
现在,运行在以下sql脚本中,您将看到每页1,000,000行的结果,您可以更改每页的行号以更频繁地查看结果。
请注意,我将IDENTITY_INSERT设置为开和关,因为其中一列包含自动增量ID,我也在复制

SET IDENTITY_INSERT LargeSourceTable ON DECLARE @PageNumber AS INT, @RowspPage AS INT DECLARE @TotalRows AS INT declare @dt varchar(19) SET @PageNumber = 0 SET @RowspPage = 1000000
select @TotalRows = count (*) from LargeSourceTable_TEMP

While ((@PageNumber - 1) * @RowspPage < @TotalRows )
Begin
    begin transaction tran_inner
        ; with cte as
        (
            SELECT * FROM LargeSourceTable_TEMP ORDER BY ID
            OFFSET ((@PageNumber) * @RowspPage) ROWS
            FETCH NEXT @RowspPage ROWS ONLY
        )

        INSERT INTO LargeSourceTable 
        (
             ID                     
            ,[CreateDate]       
            ,[Column1]   
            ,[Column2] 
            ,[Column3]       
        )       
        select 
             ID                     
            ,[CreateDate]       
            ,[Column1]   
            ,[Column2] 
            ,[Column3]       
        from cte

    commit transaction tran_inner

    PRINT 'Page: ' + convert(varchar(10), @PageNumber)
    PRINT 'Transfered: ' + convert(varchar(20), @PageNumber * @RowspPage)
    PRINT 'Of: ' + convert(varchar(20), @TotalRows)

    SELECT @dt = convert(varchar(19), getdate(), 121)
    RAISERROR('Inserted on: %s', 0, 1, @dt) WITH NOWAIT
    SET @PageNumber = @PageNumber + 1
End


SET IDENTITY_INSERT LargeSourceTable OFF

#12 楼

-- this query will keep only one instance of a duplicate record.
;WITH cte
     AS (SELECT ROW_NUMBER() OVER (PARTITION BY col1, col2, col3-- based on what? --can be multiple columns
                                       ORDER BY ( SELECT 0)) RN
         FROM   Mytable)



delete  FROM cte
WHERE  RN > 1


#13 楼

您需要根据字段将重复记录分组,然后保留其中一条记录并删除其余记录。
例如:

DELETE prg.Person WHERE Id IN (
SELECT dublicateRow.Id FROM
(
select MIN(Id) MinId, NationalCode
 from  prg.Person group by NationalCode  having count(NationalCode ) > 1
 ) GroupSelect
 JOIN  prg.Person dublicateRow ON dublicateRow.NationalCode = GroupSelect.NationalCode 
 WHERE dublicateRow.Id <> GroupSelect.MinId)


#14 楼

从巨大的(几百万个记录)表中删除重复项可能需要很长时间。我建议您对所选行的临时表进行批量插入,而不要删除。

--REWRITING YOUR CODE(TAKE NOTE OF THE 3RD LINE) WITH CTE AS(SELECT NAME,ROW_NUMBER() 
OVER (PARTITION BY NAME ORDER BY NAME) ID FROM @TB) SELECT * INTO #unique_records FROM 
CTE WHERE ID =1;


#15 楼

这可能对您有帮助
DELETE t1 FROM table t1 INNER JOIN table t2 WHERE t1.id > t2.id AND t1.col1 = t2.col1 


#16 楼

with myCTE
as

(
select productName,ROW_NUMBER() over(PARTITION BY productName order by slno) as Duplicate from productDetails
)
Delete from myCTE where Duplicate>1


#17 楼

参考https://support.microsoft.com/en-us/help/139444/how-to-remove-dumove-rows-from-a-table-in-sql-server

删除重复项的想法涉及


a)保护那些不重复的行
b)保留许多一起被视为重复的行之一。 br循序渐进



1)首先确定满足重复的定义的行
,并将其插入到临时表中,例如#tableAll。
2)在临时表中选择非重复(单行)或不同的行
说#tableUnique。
3)从源表中删除,并加入#tableAll以删除
重复项。
4)将#tableUnique中的所有行插入源表。
5)删除#tableAll和#tableUnique


#18 楼

如果您可以临时向表中添加列,那么这对我来说是一种解决方案:

ALTER TABLE dbo.DUPPEDTABLE ADD RowID INT NOT NULL IDENTITY(1,1)


然后使用MIN和组合执行DELETE GROUP BY

DELETE b
FROM dbo.DUPPEDTABLE b
WHERE b.RowID NOT IN (
                     SELECT MIN(RowID) AS RowID
                     FROM dbo.DUPPEDTABLE a WITH (NOLOCK)
                     GROUP BY a.ITEM_NUMBER,
                              a.CHARACTERISTIC,
                              a.INTVALUE,
                              a.FLOATVALUE,
                              a.STRINGVALUE
                 );


验证DELETE是否正确执行:

SELECT a.ITEM_NUMBER,
    a.CHARACTERISTIC,
    a.INTVALUE,
    a.FLOATVALUE,
    a.STRINGVALUE, COUNT(*)--MIN(RowID) AS RowID
FROM dbo.DUPPEDTABLE a WITH (NOLOCK)
GROUP BY a.ITEM_NUMBER,
    a.CHARACTERISTIC,
    a.INTVALUE,
    a.FLOATVALUE,
    a.STRINGVALUE
ORDER BY COUNT(*) DESC 


结果中不应包含任何行大于1的计数。最后,删除rowid列:

ALTER TABLE dbo.DUPPEDTABLE DROP COLUMN RowID;


#19 楼

哦,哇,准备好所有这些答案让我感到非常愚蠢,它们就像专家对所有CTE和temp表等的回答一样。

我要做的就是简单地汇总ID列通过使用MAX。

DELETE FROM table WHERE col1 IN (
    SELECT MAX(id) FROM table GROUP BY id HAVING ( COUNT(col1) > 1 )
)


注意:您可能需要多次运行以删除重复项,因为这一次只会删除一组重复行。 />

评论


这将不起作用,因为它将删除所有重复项而不保留原始文件。 OP要求保留原始记录。

– 0xdd
18年7月17日在12:58

不正确,max会给您满足条件的max ID。如果事实并非如此,请证明您的不赞成票。

–陷入困境
18年7月17日在13:08



#20 楼

另一种在不丢失信息的情况下一步删除重复行的方法如下:

delete from dublicated_table t1 (nolock)
join (
    select t2.dublicated_field
    , min(len(t2.field_kept)) as min_field_kept
    from dublicated_table t2 (nolock)
    group by t2.dublicated_field having COUNT(*)>1
) t3 
on t1.dublicated_field=t3.dublicated_field 
    and len(t1.field_kept)=t3.min_field_kept


#21 楼

DECLARE @TB TABLE(NAME VARCHAR(100));
INSERT INTO @TB VALUES ('Red'),('Red'),('Green'),('Blue'),('White'),('White')
--**Delete by Rank**
;WITH CTE AS(SELECT NAME,DENSE_RANK() OVER (PARTITION BY NAME ORDER BY NEWID()) ID FROM @TB)
DELETE FROM CTE WHERE ID>1
SELECT NAME FROM @TB;
--**Delete by Row Number** 
;WITH CTE AS(SELECT NAME,ROW_NUMBER() OVER (PARTITION BY NAME ORDER BY NAME) ID FROM @TB)
DELETE FROM CTE WHERE ID>1;
SELECT NAME FROM @TB;


评论


从巨大的(几百万个记录)表中删除重复项可能需要很长时间。我建议您对选定行的临时表进行批量插入,而不要删除。 '-使用CTE AS(选择名称,ROW_NUMBER()覆盖(按名称顺序按名称排列)ID从@TB重写您的代码(注意3RD线)*从CTE ID = = 1的#unique_records中写入'

–伊曼纽尔·布尔(Emmanuel Bull)
19年8月15日在10:42



#22 楼

DELETE FROM TBL1  WHERE ID  IN
(SELECT ID FROM TBL1  a WHERE ID!=
(select MAX(ID) from TBL1  where DUPVAL=a.DUPVAL 
group by DUPVAL
having count(DUPVAL)>1))


#23 楼

应该与其他SQL服务器(如Postgres)一样工作:
DELETE FROM table
WHERE id NOT IN (
   select min(id) from table
   group by col1, col2, col3, col4, col5, col6, col7
)