来自 记录备份 2019-07-20 15:04 的文章

MySql查找重复的数据,只保留ID小的那条,其他删除

用SQL语句,删除掉重复项只保留一条

在几千条记录里,存在着些相同的记录,如何能用SQL语句,删除掉重复的呢 
1、查找表中多余的重复记录,重复记录是根据单个字段(peopleId)来判断

复制代码
SELECT
    *
FROM
    people
WHERE
    peopleId IN (
        SELECT
            peopleId
        FROM
            people
        GROUP BY
            peopleId
        HAVING
            count(peopleId) > 1
    )
复制代码

2、删除表中多余的重复记录,重复记录是根据单个字段(peopleId)来判断,只留有rowid最小的记录

复制代码
DELETE
FROM
    people
WHERE
    peopleName IN (
        SELECT
            peopleName
        FROM
            people
        GROUP BY
            peopleName
        HAVING
            count(peopleName) > 1
    )
AND peopleId NOT IN (
    SELECT
        min(peopleId)
    FROM
        people
    GROUP BY
        peopleName
    HAVING
        count(peopleName) > 1
)
复制代码

3、查找表中多余的重复记录(多个字段)

复制代码
SELECT
    *
FROM
    vitae a
WHERE
    (a.peopleId, a.seq) IN (
        SELECT
            peopleId,
            seq
        FROM
            vitae
        GROUP BY
            peopleId,
            seq
        HAVING
            count(*) > 1
    )
复制代码

4、删除表中多余的重复记录(多个字段),只留有rowid最小的记录

复制代码
DELETE
FROM
    vitae a
WHERE
    (a.peopleId, a.seq) IN (
        SELECT
            peopleId,
            seq
        FROM
            vitae
        GROUP BY
            peopleId,
            seq
        HAVING
            count(*) > 1
    )
AND rowid NOT IN (
    SELECT
        min(rowid)
    FROM
        vitae
    GROUP BY
        peopleId,
        seq
    HAVING
        count(*) > 1
)
复制代码

5、查找表中多余的重复记录(多个字段),不包含rowid最小的记录

复制代码
SELECT
    *
FROM
    vitae a
WHERE
    (a.peopleId, a.seq) IN (
        SELECT
            peopleId,
            seq
        FROM
            vitae
        GROUP BY
            peopleId,
            seq
        HAVING
            count(*) > 1
    )
AND rowid NOT IN (
    SELECT
        min(rowid)
    FROM
        vitae
    GROUP BY
        peopleId,
        seq
    HAVING
        count(*) > 1
)
复制代码

6.消除一个字段的左边的第一位:

UPDATE tableName
SET [ Title ]= RIGHT ([ Title ],(len([ Title ]) - 1))
WHERE
    Title LIKE '村%'

7.消除一个字段的右边的第一位:

UPDATE tableName
SET [ Title ]= LEFT ([ Title ],(len([ Title ]) - 1))
WHERE
    Title LIKE '%村'

8.假删除表中多余的重复记录(多个字段),不包含rowid最小的记录

复制代码
UPDATE vitae
SET ispass =- 1
WHERE
    peopleId IN (
        SELECT
            peopleId
        FROM
            vitae
        GROUP BY
            peopleId
复制代码
最近在做题库系统,由于在题库中添加了重复的试题,所以需要查询出重复的试题,并且删除掉重复的试题只保留其中1条,以保证考试的时候抽不到重复的题。
 
首先写了一个小的例子:
 
单个字段的操作
这是数据库中的表:
 
 
 
分组:
 
 
Select 重复字段 From 表 Group By 重复字段 Having Count(*)>1
查看是否有重复的数据:
 
GROUP BY <列名序列>
 
HAVING <组条件表达式>
 
查询出:根据dname分组,同时满足having字句中组条件表达式(重复次数大于1)的那些组
 
count(*)与count(1)其实没有什么差别,用哪个都可以
 
查询全部重复的数据:
 
 
Select * From 表 Where 重复字段 In (Select 重复字段 From 表 Group By 重复字段 Having Count(*)>1)
删除全部重复试题:
将上面的查询select改为delete(这样会出错的)
 
DELETE
FROM
dept
WHERE
dname IN (
SELECT
dname
FROM
dept
GROUP BY
dname
HAVING
count(1) > 1
)
会出现如下错误:[Err] 1093 - You can't specify target table 'dept' for update in FROM clause
 
原因是:更新这个表的同时又查询了这个表,查询这个表的同时又去更新了这个表,可以理解为死锁。mysql不支持这种更新查询同一张表的操作
 
解决办法:把要更新的几列数据查询出来做为一个第三方表,然后筛选更新。
 
 
 
 
 
查询表中多余重复试题(根据depno来判断,除了rowid最小的一个)
第一种方法:
 
 
 
SELECT
*
FROM
dept
WHERE
dname IN (
SELECT
dname
FROM
dept
GROUP BY
dname
HAVING
COUNT(1) > 1
)
AND deptno NOT IN (
SELECT
MIN(deptno)
FROM
dept
GROUP BY
dname
HAVING
COUNT(1) > 1
)
上面这种写法正确,但是查询的速度太慢,可以试一下下面这种方法:
 
第二种方法:
 
☆根据dname分组,查找出deptno最小的。然后再查找deptno不包含刚才查出来的。这样就查询出了所有的重复数据(除了deptno最小的那行)
 
SELECT *
FROM
dept
WHERE
deptno NOT IN (
SELECT
dt.minno
FROM
(
SELECT
MIN(deptno) AS minno
FROM
dept
GROUP BY
dname
) dt
)
删除表中多余重复试题并且只留1条:
第一种方法:
 
DELETE
FROM
dept
WHERE
dname IN (
SELECT
t.dname
FROM
(
SELECT
dname
FROM
dept
GROUP BY
dname
HAVING
count(1) > 1
) t
)
AND deptno NOT IN (
SELECT
dt.mindeptno
FROM
(
SELECT
min(deptno) AS mindeptno
FROM
dept
GROUP BY
dname
HAVING
count(1) > 1
) dt
)
☆第二种方法(与上面查询的第二种方法对应,只是将select改为delete):
 
DELETE
FROM
dept
WHERE
deptno NOT IN (
SELECT
dt.minno
FROM
(
SELECT
MIN(deptno) AS minno
FROM
dept
GROUP BY
dname
) dt
)
多个字段的操作:
单个字段的如果会了,多个字段也非常简单。
 
DELETE
FROM
dept
WHERE
(dname, db_source) IN (
SELECT
t.dname,
t.db_source
FROM
(
SELECT
dname,
db_source
FROM
dept
GROUP BY
dname,
db_source
HAVING
count(1) > 1
) t
)
AND deptno NOT IN (
SELECT
dt.mindeptno
FROM
(
SELECT
min(deptno) AS mindeptno
FROM
dept
GROUP BY
dname,
db_source
HAVING
count(1) > 1
) dt
)
总结:
其实上面的方法还有很多需要优化的地方,如果数据量太大的话,执行起来很慢,可以考虑加优化一下:
 
在经常查询的字段上加上索引
将*改为你需要查询出来的字段,不要全部查询出来
小表驱动大表用IN,大表驱动小表用EXISTS。IN适合的情况是外表数据量小的情况,而不是外表数据大的情况,因为IN会遍历外表的全部数据,假设a表100条,b表10000条那么遍历次数就是100*10000次,而exists则是执行100次去判断a表中的数据是否在b表中存在,它只执行了a.length次数。至于哪一个效率高是要看情况的,因为in是在内存中比较的,而exists则是进行数据库查询操作的


分享一种写法,具体效率我没测试过,不过应该挺高的。只保留Id最小的一个。
  1. DELETE a
       FROM
       `表名` a
       LEFT JOIN (
       SELECT
       要去重的字段
       FROM
       `表名`
       GROUP BY
       要去重的字段
       HAVING
       COUNT(1) > 1
       ) b ON a.要去重的字段 = b.要去重的字段
       LEFT JOIN (
       SELECT
       MIN(根据ID筛选) 根据ID筛选
       FROM
       `表名`
       GROUP BY
       要去重的字段
       HAVING
       COUNT(1) > 1
       ) c ON a.根据ID筛选 = c.根据ID筛选
       WHERE
       b.要去重的字段 IS NOT NULL
       AND c.根据ID筛选 IS NULL
  2.  
     

TAG:mysqlmysql去重