PostgreSQL怎么去重

PostgreSQL怎么去重

方法一：

通过group by分组，然后将分组后的数据写入临时表然后再写入另外的表，对于没有出现再group by后面的field可以用函数max,min提取，效率较高

推荐：PostgreSQL教程

--适合情况：这种情况适合重复率非常高的情况，一般来说重复率超过5成则可以考虑用这个方法

--优点：对于重复率高的数据集的去重，十分推荐用这种方法

--缺点：uuid不能用max或min提取，如果需要去重的数据集中包含uuid则十分尴尬

create temp table tmp_data1 as
select [field1],[field2]...,max(field_special),min(field_special) from group by [field1],[field2]...;
insert into [table] select * from tmp_data1;

方法二：

通过union去除完全重复的行，效率较高

--适合情况：这种方法只适合去除完全重复的行

select * from table1
union
select * from table1;

方法三：

通过group by加id加not in，即先用group by分组，然后取出该分组下或最小的id组成集合，然后配合not in过滤掉重复的数据，效率很低，可以尝试配合临时表（测试发现依旧很慢）

--适合情况：由于该种方法效率很低，所以不推荐使用，如果数据量不大的情况下可以用这种方法，数据量只要上了100万就会很慢很慢

delete from [table] where id not in (select max(id) from table1 group by [field1],[field2]...);

方法四：

通过group by加having加in，即先用group by分组，然后用having count(*)>1取出分组数量大于1的行（即重复的行），然后用in删除重复行，效率较高

--适合情况：一条数据大概只有一到两三条重复，这种方法一次只能删除重复数据的一条，如果有些数据有几百次重复那就会累死，其实也可以使用函数做一个循环，但这样的效率就不高了

delete from [table] where id in (select max(id) from [table] group by [field1],[field2]... having count(*)>1);

方法五：

使用窗口函数加id，即可以使用窗口函数将数据分组，并将每个分组按行排号，并将行号与id（唯一id）存入一个集合里，这样就可以根据这个集合来取处重复行的id，即通过行号>1，

-- 然后根据id删除重复行，效率很高（100万数据，重复9万，时间: 14.596s）

--适合情况：该种方法效率很高，特别推荐使用，但需要了解窗口函数以及其中的一些关键词的意义

--row_number() 为返回的记录定义个行编号

--over 与row_number()函数配套使用

--partition by [field1],[field2]... 根据指定的字段分组

delete from [table] where id in (select id from (select row_number() over (partition by [field1],[field2]...), id from [table]) as t where t.row_number>1);

推荐学习《Python教程》。