如何从单源多值数据集中为每个源仅选取一行数据

要实现每个Source仅保留一行数据，核心是通过分组后选择每组内特定行的方式，而非简单去重或关联。以下是几种常见SQL实现方式，可根据你的具体需求选择：

1. 取每组的第一行（按默认顺序） #

如果只需每个Source保留任意一行（比如示例中Tester取第一个值），可以用窗口函数ROW_NUMBER()给每组内的行编号，再筛选编号为1的行：

SELECT Source, Values
FROM (
    SELECT 
        Source, 
        Values,
        -- 按Source分组，给每组内的行编号，ORDER BY可指定排序规则
        ROW_NUMBER() OVER (PARTITION BY Source ORDER BY (SELECT NULL)) AS row_num
    FROM your_table_name
) AS grouped_data
WHERE row_num = 1;

注：ORDER BY (SELECT NULL)表示使用数据库默认的行顺序，若有时间戳、ID等排序字段，替换成该字段更可靠（比如ORDER BY id ASC）。

2. 优先取NULL值（对应示例中Tester3的场景） #

如果需要优先保留每组中的NULL值，可调整窗口函数的排序规则，把NULL排在最前面：

SELECT Source, Values
FROM (
    SELECT 
        Source, 
        Values,
        ROW_NUMBER() OVER (
            PARTITION BY Source 
            ORDER BY CASE WHEN Values IS NULL THEN 0 ELSE 1 END
        ) AS row_num
    FROM your_table_name
) AS grouped_data
WHERE row_num = 1;

3. 按特定条件选择行（比如示例中Tester2取指定值） #

如果需要按Values的特定规则选择（比如包含关键词、特定位置的值），可以在排序中加入自定义条件：

SELECT Source, Values
FROM (
    SELECT 
        Source, 
        Values,
        ROW_NUMBER() OVER (
            PARTITION BY Source 
            -- 这里示例是优先保留包含"sampled"的行
            ORDER BY CASE WHEN Values LIKE '%sampled%' THEN 0 ELSE 1 END
        ) AS row_num
    FROM your_table_name
) AS grouped_data
WHERE row_num = 1;

你之前尝试的DISTINCT会保留所有唯一的(Source, Values)组合，无法实现每个Source一行；JOIN和UNION也不是处理这类分组选行场景的正确方式，窗口函数才是这类需求的常规解决方案。

内容的提问来源于stack exchange，提问作者Foxxy