如何对特定 SQL 列进行分组并检索这些列的计数最高的行？

Question

我有以下数据：

col_1 | col_2 | col_3 | col_4
-----------------------------
a1      b1      c1      d1
a1      b2      c1      d1
a1      b3      c1      d1
a1      b4      c1      d2
a1      b5      c2      d2
a1      b6      c2      d2
a1      b7      c1      d3
a1      b8      c2      d3
a1      b9      c3      d3
a1      b10     c1      d2
a1      b11     c2      d3
a2      b12     c1      d1
a3      b13     c1      d1

我有兴趣能够：

• Return 行，其中 col_1 的值是唯一的
• 对于结果中的每一行，它应该 return 分组时计数最高的列的值：col_3、col_4

例如，我希望输出return如下：

col_1 | col_2 | col_3 | col_4
-----------------------------
a1      b1      c1      d1
a2      b12     c1      d1
a3      b13     c1      d1

注意结果中 col_1 中的每个值都是唯一的。另请注意，对于 a1，它 return 与 c1 和 d1 一起编辑，因为它们在 a1.

中的计数最高

如何通过 SQL 查询实现此目的？我将把它用于 Hive SQL 查询。

Answer 1

您可以使用聚合和 window 函数：

select col_1, col_2, col_3, col_4
from (
    select
        col_1, 
        col_2, 
        col_3, 
        col_4, 
        rank() over(partition by col_1 order by count(*) desc) rn
    from mytable t
    group by col_1, col_2, col_3, col_4
) t
where rn = 1

Answer 2

具有row_number()window功能：

select t.col_1, t.col_2, t.col_3, t.col_4
from (
  select col_1, min(col_2) col_2, col_3, col_4,
    row_number() over (partition by col_1 order by count(*) desc) rn
  from tablename
  group by col_1, col_3, col_4
) t
where t.rn = 1

参见demo。
结果：

| col_1 | col_2 | col_3 | col_4 |
| ----- | ----- | ----- | ----- |
| a1    | b1    | c1    | d1    |
| a2    | b12   | c1    | d1    |
| a3    | b13   | c1    | d1    |

Answer 3

如果需要完整的行，可以使用 window 函数：

select t.*
from (select t.*,
             rank() over (partition by col1 order by cnt desc) as seqnum
      from (select t.*, count(*) over (partition by col1, col3, col4) as cnt
            from t
           ) t
     ) t
where seqnum = 1;

最里面的子查询计算每个 col1/col3/col4 组合的行数。中间的子查询为每个 col1 枚举计数最高的行。最高计数的最外层过滤器。