Sql 为每个组选择包含大多数非关键信息的行

好的，我有一个表，有一些垃圾数据，没有唯一标识符列。让我举一个我正在使用的表格的例子：

     A    |   B   |  C   |        D         |   E  |
  --------------------------------------------------
1.  Fiona | Smith | NULL | 2152 Cherry Lane | CA   |
2.  Fiona | Smith | NULL | NULL             | NULL |
3.  Bill  | NULL  | ACME | 2903 Center Road | WA   |
4.  Bill  | NULL  | ACME | NULL             | NULL |
5.  NULL  | NULL  | ABC  | 2300 Water St    | PA   |
6.  NULL  | NULL  | ABC  | 2300 Water St    | PA   |
7.  NULL  | NULL  | NULL | 3455 B Street    | CO   |

我需要编写一个SELECT语句，它只捕获不同的行。例如，以第1行和第2行为例。它们显然都指同一个人，但它们只是部分重复。在这两个语句中，我希望SELECT语句中包含第1行，因为它在每列中包含的数据最多。第3行和第4行也是如此。第3行是我想要包含的行。对于第5行和第6行，选择哪一行并不重要，因为它们都是完全重复的。默认情况下会包括第7行，因为它是不同的（意味着A、B和C，而不仅仅是A和B）

以下是我尝试过的：

SELECT A, B, C = MAX(D), MAX(E), 
FROM dbo.Data
GROUP BY A, B, C;

这似乎抓住了我想要的唯一行，但数据不知何故被放在了错误的列中

WITH recordsList
AS
(
    SELECT  A, B, C, D, E,
            ROW_NUMBER() OVER (PARTITION BY A,B,C
                               ORDER BY 
                                 CASE WHEN D IS NULL 
                                      THEN 0
                                      ELSE 1 END DESC) x
   FROM table1
)
SELECT A,B,C,D,E
FROM recordsList
WHERE x = 1

---

此方法将D和E视为相等：

DECLARE @x TABLE
(
  A VARCHAR(32), 
  B VARCHAR(32), 
  C VARCHAR(32), 
  D VARCHAR(32), 
  E VARCHAR(32)
);

INSERT @x VALUES
('Fiona', 'Smith', NULL,   '2152 Cherry Lane',  'CA'),
('Fiona', 'Smith', NULL,   NULL,                NULL),
('Bill',  NULL,    'ACME', '2903 Center Road',  'WA'),
('Bill',  NULL,    'ACME', NULL,                NULL),
(NULL  ,  NULL,    'ABC',  '2300 Water St',     'PA'),
(NULL  ,  NULL,    'ABC',  '2300 Water St',     'PA'),
(NULL  ,  NULL,    NULL,   '3455 B Street',     'CO'),
('Bob',   'Barker',NULL,   NULL,                NULL),
('Bob',   'Barker',NULL,   NULL,                'NY');

;WITH x AS
(
  SELECT A,B,C,D,E, rn = ROW_NUMBER() OVER 
  (
    PARTITION BY A,B,C
    ORDER BY COALESCE(LEN(LEFT(D,1)),0) + COALESCE(LEN(LEFT(E,1)),0) DESC
  )
  FROM @x
)
SELECT A,B,C,D,E
FROM x WHERE rn = 1;

---

该方法将D和E视为相等：

DECLARE @x TABLE
(
  A VARCHAR(32), 
  B VARCHAR(32), 
  C VARCHAR(32), 
  D VARCHAR(32), 
  E VARCHAR(32)
);

INSERT @x VALUES
('Fiona', 'Smith', NULL,   '2152 Cherry Lane',  'CA'),
('Fiona', 'Smith', NULL,   NULL,                NULL),
('Bill',  NULL,    'ACME', '2903 Center Road',  'WA'),
('Bill',  NULL,    'ACME', NULL,                NULL),
(NULL  ,  NULL,    'ABC',  '2300 Water St',     'PA'),
(NULL  ,  NULL,    'ABC',  '2300 Water St',     'PA'),
(NULL  ,  NULL,    NULL,   '3455 B Street',     'CO'),
('Bob',   'Barker',NULL,   NULL,                NULL),
('Bob',   'Barker',NULL,   NULL,                'NY');

;WITH x AS
(
  SELECT A,B,C,D,E, rn = ROW_NUMBER() OVER 
  (
    PARTITION BY A,B,C
    ORDER BY COALESCE(LEN(LEFT(D,1)),0) + COALESCE(LEN(LEFT(E,1)),0) DESC
  )
  FROM @x
)
SELECT A,B,C,D,E
FROM x WHERE rn = 1;

---

如果D为null，而E不是，这可能会选择数据较少的行（请参阅我答案中的其他示例行）。@user1994209不客气。查询仅基于您的结果。我假设如果

D

为空，那么

E

也是空的。无论如何，我很高兴

：D

@JW-我有一个简短的问题。如果我添加了E为NULL时的CASE，那么0 ELSE 1 END DESC，那么这个查询会将D和E视为相等吗？如果你的意思是

当D为NULL时的CASE，那么0 ELSE 1 END DESC，当E为NULL时的CASE，那么0 ELSE 1 END DESC

。是的，但它先排序

D

，然后排序

E

。如果D为空，而E不是空，则可能会选择数据较少的行（请参阅我回答中的其他示例行）。@user1994209不客气。查询仅基于您的结果。我假设如果

D

为空，那么

E

也是空的。无论如何，我很高兴

：D

@JW-我有一个简短的问题。如果我添加了E为NULL时的CASE，那么0 ELSE 1 END DESC，那么这个查询会将D和E视为相等吗？如果你的意思是

当D为NULL时的CASE，那么0 ELSE 1 END DESC，当E为NULL时的CASE，那么0 ELSE 1 END DESC

。是的，但是它先点了

D

，然后点了

E

。嘿，亚伦，谢谢你的回答，它成功了！我肯定要做一些研究来弄清楚这段代码到底在做什么以及为什么。允许您根据定义的条件对行（以及相关行的组，称为分区）应用排序。在这种情况下，我知道您认为

A，B，C

是您的密钥，所以这就是我们所讨论的。然后决定如何定义每组中最重要的行。COALESCE表达式确保我们为D和E获得0（对于NULL或空字符串）或1（对于填充值）。最高值获胜。如果你想要一个平局，你可以添加

、D DESC、E DESC

，或者相反，这取决于……在一行只有D，另一行只有E的情况下，你是喜欢D还是E。我试图演示这个解决方案如何喜欢E中有值的行而不是D中没有值的行。太棒了，谢谢你的解释。我能再问一件事吗？如何将此查询的结果插入到另一个现有表中？请在最后一行的第二行之前插入<代码>）插入dbo。其他表格（cols）选择A、B、C、D、E…嘿，亚伦，谢谢你的回答，它成功了！我肯定要做一些研究来弄清楚这段代码到底在做什么以及为什么。允许您根据定义的条件对行（以及相关行的组，称为分区）应用排序。在这种情况下，我知道您认为

A，B，C

是您的密钥，所以这就是我们所讨论的。然后决定如何定义每组中最重要的行。COALESCE表达式确保我们为D和E获得0（对于NULL或空字符串）或1（对于填充值）。最高值获胜。如果你想要一个平局，你可以添加

、D DESC、E DESC

，或者相反，这取决于……在一行只有D，另一行只有E的情况下，你是喜欢D还是E。我试图演示这个解决方案如何喜欢E中有值的行而不是D中没有值的行。太棒了，谢谢你的解释。我能再问一件事吗？如何将此查询的结果插入到另一个现有表中？请在最后一行的第二行之前插入<代码>）插入dbo。其他表格（cols）选择A、B、C、D、E…