如何在SQL中基于transaction列删除表内重复数据？

我有一张名为employee的数据表，表结构为(id, transaction, sales)，具体数据如下：

id                  transaction             sales
1100000000002493644 46414104026581005688    2.2400
1100000000003120288 46403360812820035967    2.2400
1100000000002493644 46414104026581005688    2.2400
3300000000002592894 46427351011280903808    2.2400
1100000000108772072 46498465013410865589    3.9800
1100000000002493644 46498465013410865909    3.2900

需求与问题 #

需要基于transaction列删除重复数据，尝试了以下SQL代码但未得到正确结果：

SELECT employee.*, DISTINCT(transaction) AS UNIQUE_TXN
FROM employee AS employee
INNER employee AS employee_1
    ON employee.transaction= employee_1.transaction
GROUP BY employee.*

期望输出如下：

id                  transaction             sales
1100000000002493644 46414104026581005688    2.2400
1100000000003120288 46403360812820035967    2.2400
3300000000002592894 46427351011280903808    2.2400
1100000000108772072 46498465013410865589    3.9800
1100000000002493644 46498465013410865909    3.2900

原SQL的问题 #

1. 语法错误：INNER employee缺少JOIN关键字，正确写法应为INNER JOIN employee
2. 逻辑冗余：无需通过自连接实现去重，写法复杂且效率低
3. 函数误用：DISTINCT是对整个查询结果去重，不能单独作用于单个字段，DISTINCT(transaction)写法无意义

解决方案 #

方法1：使用DISTINCT直接去重 #

如果同一transaction对应的id和sales完全一致，直接用DISTINCT即可快速去重：

SELECT DISTINCT id, transaction, sales
FROM employee;

方法2：使用窗口函数（适用于同一transaction存在不同id/sales的场景） #

如果需要保留重复transaction中的某一行（例如最小id的记录），可以用ROW_NUMBER()窗口函数：

SELECT id, transaction, sales
FROM (
    SELECT 
        *,
        ROW_NUMBER() OVER (PARTITION BY transaction ORDER BY id) AS rn
    FROM employee
) t
WHERE rn = 1;

• PARTITION BY transaction：按交易号分组
• ORDER BY id：指定分组内的排序规则，这里选择保留id最小的记录，可根据需求修改为其他字段（如sales）
• 筛选rn = 1即可得到每组的第一条记录，实现去重

内容的提问来源于stack exchange，提问作者Mark