如何识别 SQL 中的重复值

我正试图查找特定数据集中生成的重复数据

我最初的查询是

SELECT
    b.admidate, a.token_person_id、
    COUNT (DISTINCT(a.token_person_id)) AS patientCount
FROM
    new_alzheimers_agegroup2 a
LEFT JOIN
    住院病人映射 b ON b.token_person_id = a.token_person_id
                        且 a.indexdate = b.disdate
ORDER BY
    a.token_person_id

但与原始数据相比，我发现有 1500 个重复数据。我该如何创建一个能找到重复数据的查询？

为了找到重复的数据，你需要修改你的查询，以便查找 token_person_id 和 admidate 组合中出现多次的记录。以下是如何操作的方法：

SELECT
    b.admidate, a.token_person_id, 
    COUNT(*) AS duplicate_count
FROM
    new_alzheimers_agegroup2 a
LEFT JOIN
    住院病人映射 b ON b.token_person_id = a.token_person_id AND a.indexdate = b.disdate
GROUP BY
    b.admidate, a.token_person_id
HAVING 
    COUNT(*) > 1
ORDER BY
    duplicate_count DESC;

以下是此查询的工作原理：

1. 分组： 我们使用 GROUP BY 子句根据 admidate 和 token_person_id 对记录进行分组。这意味着具有相同 admidate 和 token_person_id 的所有记录将被放在一起。

2. 计数： COUNT(*) 函数计算每个组中的记录数。

3. HAVING 子句： HAVING 子句用于过滤分组结果。在这种情况下，我们只保留计数大于 1 的组，这表示存在重复的 admidate 和 token_person_id 组合。

4. 排序： 最后，我们使用 ORDER BY 子句按重复次数降序对结果进行排序，以便首先看到重复次数最多的记录。

此查询将返回一个表，其中包含重复的 admidate 和 token_person_id 组合、重复次数以及其他相关信息。然后，可以使用此信息来识别和处理数据集中的重复数据。