6.4 — 连接时警惕重复数据

你将学习

如何在 SQL 中连接三个或更多表
与 Excel 中使用多个 VLOOKUP 的比较
语法和最佳实践

示例表

表 sales:

SaleID	ProductID	Amount
1	101	120
2	102	80
3	101	50
4	103	90

表 products:

ProductID	ProductName
101	Apples
101	Apples
102	Oranges
103	Bananas

为什么会出现重复？

在 SQL 中连接表时，第一个表的每一行都会与第二个表中满足连接条件的每一行匹配。
如果任一表在连接列中有重复值，您可能会得到比预期更多的行。

示例：

假设您的 sales 表有多个相同 ProductID 的销售记录，而您的 products 表也有重复的 ProductID 值（可能是由于数据录入错误）：

sql

SELECT s.SaleID, p.ProductID, p.ProductName, s.Amount
FROM sales s
INNER JOIN products p
  ON s.ProductID = p.ProductID;

如果 products 表中同一个 ProductID 有两行，该产品的每个销售记录将在结果中出现两次

如何诊断重复问题

在连接前检查连接列是否存在重复：

sql

SELECT ProductID, COUNT(*)
FROM products
GROUP BY ProductID
HAVING COUNT(*) > 1;

如果返回任何行，说明 products 表中存在重复键

如何防止或处理重复

强烈要求修改问题的根源，即数据质量问题：删除表中的重复行
确保连接列在至少一个表中是唯一标识符（主键）
最后的妥协：使用 SELECT DISTINCT 在结果中删除重复的行（但这仅仅粉饰了背后的数据问题）

关键要点

连接列中的重复值会意外增加结果行数
在连接前始终检查数据是否存在重复
使用唯一键进行可靠的连接

下一步

现在您了解了重复数据的风险，可以自信地连接表并构建健壮的 SQL 分析了