博客
关于我
SQL练习42:删除emp_no重复的记录,只保留最小的id对应的记录。
阅读量:585 次
发布时间:2019-03-11

本文共 716 字,大约阅读时间需要 2 分钟。

SQL练习42:删除emp_no重复的记录,只保留最小的id对应的记录

ngemp_no重复的记录,只保留最小的id对应的记录。针对这个问题,我可以通过以下步骤来解决:

首先,查看数据库中有哪些emp_no记录是重复出现的。在titles_test表中,我发现:

  • emp_no=10001 出现了两次,分别是 id=1 和 id=5
  • emp_no=10002 出现了两次,分别是 id=2 和 id=6
  • emp_no=10003 出现了两次,分别是 id=3 和 id=7
  • emp_no=10004 出现了一次,id=4

接下来,我需要从中只保留每个emp_no对应的最小的id记录。

为了选择每个emp_no对应的最小的id,我可以使用GROUP BY语句和MIN()函数。具体步骤如下:

  • 首先,使用GROUP BY emp_no,将记录按emp_no分组。
  • 在每个组内,使用MIN(id)函数来获取最小的id。
  • 此外,我需要删除所有不符合上述最小id记录的数据。因此,我使用了 DELETE FROM 关键字,并使用子查询来确定哪些记录需要删除。

    为了确保子查询结果正确,我使用了一个 alias,这样可以避免与原表直接操作带来的问题。具体的实现步骤如下:

  • 选择每个emp_no对应的最小id,并为结果起 alias。例如,t1。
  • 在主查询中,执行删除操作,只删除不包含在t1中的id记录。
  • 通过这种方法,我确保每个emp_no只保留一次最小的id记录。

    最终操作如下:

    请注意,子查询的结果必须正确使用 alias,否则可能导致错误。

    最终,运行删除操作后,titles_test表将只包含每个emp_no对应的最小id记录。

    转载地址:http://bojtz.baihongyu.com/

    你可能感兴趣的文章
    OpenCV与AI深度学习 | 实战 | 基于OpenCV和K-Means聚类实现颜色分割(步骤 + 代码)
    查看>>
    OpenCV与AI深度学习 | 实战 | 基于YoloV5和Mask RCNN实现汽车表面划痕检测(步骤 + 代码)
    查看>>
    OpenCV与AI深度学习 | 实战 | 基于YOLOv9+SAM实现动态目标检测和分割(步骤 + 代码)
    查看>>
    OpenCV与AI深度学习 | 实战 | 基于YOLOv9和OpenCV实现车辆跟踪计数(步骤 + 源码)
    查看>>
    OpenCV与AI深度学习 | 实战 | 文本图片去水印--同时保持文本原始色彩(附源码)
    查看>>
    OpenCV与AI深度学习 | 实战—使用YOLOv8图像分割实现路面坑洞检测(步骤 + 代码)
    查看>>
    OpenCV与AI深度学习 | 实战篇——基于YOLOv8和OpenCV实现车速检测(详细步骤 + 代码)
    查看>>
    OpenCV与AI深度学习 | 实战|OpenCV实时弯道检测(详细步骤+源码)
    查看>>
    OpenCV与AI深度学习 | 实践教程|旋转目标检测模型-TensorRT 部署(C++)
    查看>>
    OpenCV与AI深度学习 | 工业缺陷检测中数据标注需要注意的几个事项
    查看>>
    OpenCV与AI深度学习 | 干货 | 深度学习模型训练和部署的基本步骤
    查看>>
    OpenCV与AI深度学习 | 手把手教你用Python和OpenCV搭建一个半自动标注工具(详细步骤 + 源码)
    查看>>
    OpenCV与AI深度学习 | 水下检测+扩散模型:或成明年CVPR最大惊喜!
    查看>>
    OpenCV与AI深度学习 | 深度学习检测小目标常用方法
    查看>>
    OpenCV与AI深度学习 | 超越YOLOv10/11、RT-DETRv2/3!中科大D-FINE重新定义边界框回归任务
    查看>>
    OpenCV与AI深度学习 | 高效开源的OCR工具:Surya-OCR介绍与使用
    查看>>
    OpenCV与AI深度学习|16个含源码和数据集的计算机视觉实战项目(建议收藏!)
    查看>>
    Opencv中KNN背景分割器
    查看>>
    OpenCV中基于已知相机方向的透视变形
    查看>>
    OpenCV中的监督学习
    查看>>