按GroupingColumn分组筛选信息最完整行的技术问询

听起来你需要对每个分组保留字段非空数量最多的行，剔除那些空值较多的记录，这在数据清洗场景里非常常见。我给你两种实用的实现思路，你可以根据自己使用的数据库（比如MySQL、PostgreSQL、SQL Server等）调整细节：

方法1：使用窗口函数（推荐，适用于支持窗口函数的数据库） #

这种方法逻辑清晰直观，先给每行计算「信息完整度得分」，再在每个分组里筛选得分最高的行：

步骤分解： #

1. 计算每行的完整度得分：对每个字段判断是否非空，非空则加1，最终求和得到该行的得分——得分越高，说明信息越完整。
2. 分组排序筛选：用ROW_NUMBER()或RANK()窗口函数，按GroupingColumn分组后，再按得分降序排序。如果用RANK()，会保留同分组内得分相同的所有行；如果用ROW_NUMBER()，则会给同得分的行分配不同序号，只保留第一行（可以额外添加排序字段来指定同分情况下的优先级）。

示例代码： #

假设你的表名为your_table，除GroupingColumn外还有col1, col2, col3, col4, col5这些字段（对应你例子里的a/b/c/d/e等）：

WITH ranked_rows AS (
    SELECT 
        *,
        -- 计算完整度得分：统计非空字段的数量
        (CASE WHEN col1 IS NOT NULL THEN 1 ELSE 0 END) +
        (CASE WHEN col2 IS NOT NULL THEN 1 ELSE 0 END) +
        (CASE WHEN col3 IS NOT NULL THEN 1 ELSE 0 END) +
        (CASE WHEN col4 IS NOT NULL THEN 1 ELSE 0 END) +
        (CASE WHEN col5 IS NOT NULL THEN 1 ELSE 0 END) AS completeness_score,
        -- 按分组和得分排序，用ROW_NUMBER仅留最高分的一行；换RANK()可保留所有同分的行
        ROW_NUMBER() OVER (
            PARTITION BY GroupingColumn 
            ORDER BY completeness_score DESC, col1, col2 -- 可加额外字段处理同分情况
        ) AS row_rank
    FROM your_table
)
SELECT * EXCEPT (completeness_score, row_rank) -- 排除临时计算的字段
FROM ranked_rows
WHERE row_rank = 1;

方法2：子查询关联（适用于不支持窗口函数的老版本数据库） #

如果你的数据库不支持窗口函数，可以用子查询先找出每个分组的最高得分，再关联原表筛选对应行：

SELECT t.*
FROM your_table t
JOIN (
    SELECT 
        GroupingColumn,
        MAX(
            (CASE WHEN col1 IS NOT NULL THEN 1 ELSE 0 END) +
            (CASE WHEN col2 IS NOT NULL THEN 1 ELSE 0 END) +
            (CASE WHEN col3 IS NOT NULL THEN 1 ELSE 0 END) +
            (CASE WHEN col4 IS NOT NULL THEN 1 ELSE 0 END) +
            (CASE WHEN col5 IS NOT NULL THEN 1 ELSE 0 END)
        ) AS max_score
    FROM your_table
    GROUP BY GroupingColumn
) g ON t.GroupingColumn = g.GroupingColumn
WHERE 
    (CASE WHEN col1 IS NOT NULL THEN 1 ELSE 0 END) +
    (CASE WHEN col2 IS NOT NULL THEN 1 ELSE 0 END) +
    (CASE WHEN col3 IS NOT NULL THEN 1 ELSE 0 END) +
    (CASE WHEN col4 IS NOT NULL THEN 1 ELSE 0 END) +
    (CASE WHEN col5 IS NOT NULL THEN 1 ELSE 0 END) = g.max_score;

注意事项： #

• 如果同分组内有多个行得分相同（信息完整度一致），方法1用RANK()会保留所有这些行，用ROW_NUMBER()则只留一行，你可以根据实际需求选择。
• 如果你有更多字段，只需要在计算得分的CASE语句里继续添加对应的字段判断即可。
• 针对你例子里要排除的行（比如g a b c d NULL、q j NULL NULL NULL NULL这些），它们的得分会比同组里信息更完整的行低，所以会被自动筛选掉。

内容的提问来源于stack exchange，提问作者Siavas