Jak vybrat první řádek v každé GROUP BY Group

Problém:

Seskupili jste svá data pomocí GROUP BY a chtěli byste zobrazit pouze první řádek z každé skupiny.

Příklad:

Naše databáze obsahuje tabulku s názvem exam_results s údaji v následující tabulce:

Pro každý rok najdeme studenta s nejlepším result . Pokud jsou ve skupině dva studenti nerozhodně o nejlepšího, vybereme jednoho z nich k zobrazení.

Řešení:

WITH added_row_number AS (
  SELECT
    *,
    ROW_NUMBER() OVER(PARTITION BY year ORDER BY result DESC) AS row_number
  FROM exam_results
)
SELECT
  *
FROM added_row_number
WHERE row_number = 1;

Výsledek je:

Diskuse:

Nejprve musíte napsat CTE, ve kterém přiřadíte číslo každému řádku v každé skupině. K tomu můžete použít ROW_NUMBER() funkce. V OVER() , určíte skupiny, do kterých mají být řádky rozděleny (PARTITION BY ) a pořadí, ve kterém mají být čísla přiřazena k řádkům (ORDER BY ).

Podívejte se na výsledek vnitřního dotazu:

SELECT
  *,
  ROW_NUMBER() OVER(PARTITION BY year ORDER BY result DESC) AS row_number
FROM exam_results;

V rámci každé skupiny (tj. roku) přiřadíte čísla řádků. Každý řádek má číslo řádku podle hodnoty result sloupec. Řádky jsou seřazeny v sestupném pořadí kvůli DESC klíčové slovo po ORDER BY result . I když je ve skupině více řádků, které mají stejnou hodnotu result , řádky mají stále jiná čísla. Zde mají Edith Black a Emily Kelly stejný result ale jiná čísla řádků. Chcete-li toto chování změnit a přiřadit stejné číslo řádku pro stejný výsledek v rámci skupiny, použijte RANK() nebo DENSE_RANK() místo ROW_NUMBER() .

Ve vnějším dotazu vyberete všechna data z CTE (added_row_number ) a použijte WHERE podmínku určující, který řádek z každé skupiny se má zobrazit. Zde chceme zobrazit první řádek, takže podmínka je row_number = 1 .

Všimněte si, že řešení můžete snadno upravit, abyste získali například druhý řádek každé skupiny.

WITH added_row_number AS (
  SELECT
    *,
    ROW_NUMBER() OVER(PARTITION BY year ORDER BY result DESC) AS row_number
  FROM exam_results
)
SELECT
  *
FROM added_row_number
WHERE row_number = 2;

Zde je výsledek:

Na druhou stranu, pokud chcete získat řádek(y) s druhou nejvyšší hodnotou z result v každé skupině byste měli použít DENSE_RANK() funkce. Zatímco ROW_NUMBER() funkce vytváří po sobě jdoucí čísla pro každý řádek ve skupině, což vede k různým hodnotám přiřazeným k řádkům se stejným výsledkem, DENSE_RANK() funkce dává stejné číslo řádkům se stejným výsledkem.

WITH added_dense_rank AS (
  SELECT
    *,
    DENSE_RANK() OVER(PARTITION BY year ORDER BY result DESC) AS rank
  FROM exam_results
)
SELECT
  *
FROM added_dense_rank
WHERE rank = 2;

Můžete vidět, že John Klein má druhou nejvyšší hodnotu result (40) pro rok 2020. John Klein je ve skutečnosti třetí osobou ve skupině, ale první dva studenti mají stejný result a oba mají rank = 1 .