为何两个SQL重复值统计查询结果不同？(count与count(distinct))

问题描述 #

我不理解为何以下SQL查询可用于统计某字段的重复值：

select sum(country_count)
from (
select Country, count(Country) as country_count
from Customers
group by Country
having count(Country) > 1
);

返回结果为88

而另一个查询却无法实现该统计：

SELECT count(Country) - count(Distinct Country) 
FROM Customers;

返回结果为70

想请教这两个查询为何会产生不同结果？（注：这些查询可在W3Schools的trySQL界面运行，已执行得到上述结果，原本预期它们结果一致。）

核心差异：两个查询统计的是完全不同的"重复值"定义 #

第一个查询的逻辑 #

这个查询的本质是统计所有"出现次数超过1次的国家"的总记录数：

1. 子查询按Country分组，计算每个国家的出现次数country_count，并且只保留出现次数>1的分组（排除只出现1次的国家）。
2. 外层查询把这些符合条件的country_count求和，得到的是所有属于"重复出现过的国家"的记录总数——比如某个国家出现5次，这5条记录都会被算入总和。

第二个查询的逻辑 #

这个查询的本质是统计"非首次出现的重复记录条数"：

1. count(Country)是Customers表中所有非空的Country记录总数。
2. count(Distinct Country)是表中不同国家的数量（每个国家只算1次）。
3. 两者相减得到的是：总记录数减去唯一国家数，也就是每个国家除了第一条之外的记录数之和——比如某个国家出现5次，这里只会算5-1=4次。

简化例子验证差异 #

假设Customers表的Country字段数据如下：

• 第一个查询：子查询得到Germany(3)、France(2)，求和后是3+2=5。
• 第二个查询：总记录数6，distinct国家数3，6-3=3。
  两者的差异一目了然：第一个统计的是所有属于重复国家的记录，第二个统计的是"重复的次数"（即每个国家多出来的记录数）。

内容的提问来源于stack exchange，提问作者mvoln