在规范化数据时获取 DISTINCT 公司信息

Posted 2023-03-31

【中文标题】在规范化数据时获取 DISTINCT 公司信息

【英文标题】：Getting DISTINCT company info while normalizing data

【发布时间】：2019-02-23 23:40:13

【问题描述】：

我正在规范化我在一个平面文件中获得的一些数据，其中公司和联系信息混合在一起，如下所示：

company_id | company_name | person_id | first_name | last_name | sic_code
123 | "Acme, Inc." | 111 | "John" | "Smith" | 54789
123 | "Acme, Inc." | 222 | "Jane" | "Doe" | 54789
234 | "Global, LLC" | 333 | "James" | "Brown" | 94574

所以，我希望我的 SQL 语句返回如下所示的唯一公司信息：

123 | "Acme, Inc." | 54789
234 | "Global, LLC" | 94574

我尝试了以下方法，但仍然得到重复的数据。例如，Acme, Inc. 仍然多次出现。

SELECT DISTINCT company_id, company_name, sic_code
FROM MyTable
ORDER By company_id

我如何不仅获得 DISTINCT 公司 ID，而且获得所有独特公司的扩展数据？

【问题讨论】：

在这种情况下不应该，你能举一个例子来说明你得到了什么吗？我猜你得到的“重复”是由于列值的某种差异。因此，例如，一个值中可能有额外的空格，或者拼写不同。因此，您可能需要先对列进行修剪，或检查拼写差异。

对于您提供的示例数据，您将获得您要求的输出。所以这里有一些无法解释的东西。数据是如何导入的？

【参考方案1】：

这可行：

select company_id, company_name, sic_code from (
    select 
      company_id,
      company_name,
      sic_code,
      row_number() over (partition by company_id order by company_id) rn
    from tbl
) t
where rn = 1