SQL实现：同一Number存在Type A时忽略对应Type B行

嘿，这个需求我之前也碰到过，本质就是给每个Number对应的Type设置优先级来筛选记录——当一个Number同时有A和B类型时，只保留A；如果只有单一类型就直接保留。下面一步步给你拆解：

需求明确 #

• 数据表中SL是唯一标识，Type仅包含A/B两种类型
• 核心规则：同一Number同时存在A和B时，忽略B记录；单一类型则保留原记录

原始数据表 #

SL  Number  Type
1   101     A
2   102     A
3   102     B
4   103     A
5   104     B

期望结果 #

SL  Number  Type
1   101     A
2   102     A
4   103     A
5   104     B

具体实现方案 #

方案1：SQL实现（以MySQL为例） #

最常用的是用窗口函数给每个分组设置优先级，然后筛选优先级最高的记录：

SELECT t.SL, t.Number, t.Type
FROM (
    SELECT 
        *,
        -- 给Type设置优先级：A优先级为1，B为2，确保A排在前面
        ROW_NUMBER() OVER (PARTITION BY Number ORDER BY CASE WHEN Type = 'A' THEN 1 ELSE 2 END) AS rn
    FROM your_table_name -- 替换成你的实际表名
) t
WHERE t.rn = 1;

解释：

• PARTITION BY Number：把数据按Number分组，每个组内单独处理
• ORDER BY CASE...：让A类型的记录在组内排在最前面，分配rn=1
• 外层筛选rn=1的记录，就得到了每个Number的目标记录

方案2：Python Pandas实现 #

如果是用Python处理数据，可以这样写：

import pandas as pd

# 构造原始数据（实际场景可以用pd.read_csv等读取）
df = pd.DataFrame({
    'SL': [1, 2, 3, 4, 5],
    'Number': [101, 102, 102, 103, 104],
    'Type': ['A', 'A', 'B', 'A', 'B']
})

# 给Type添加优先级列，A的优先级更高
df['priority'] = df['Type'].map({'A': 1, 'B': 2})

# 按Number分组，取优先级最小的第一条记录
result_df = df.sort_values('priority').groupby('Number').first().reset_index()

# 移除辅助的priority列
result_df = result_df.drop('priority', axis=1)

# 输出结果
print(result_df)

运行这段代码后，就能得到和期望一致的结果。

内容的提问来源于stack exchange，提问作者Rahul