只保留一列最少的行答案

【问题标题】：Keep only rows where one column is minimal只保留一列最少的行
【发布时间】：2020-12-12 08:03:12
【问题描述】：

我正在寻找一个 SQLite 查询来大大减少我的数据库中不相关的噪音。相关表包含点对（'hexbin's），以及它们之间的距离和给出这个距离的源。对于每对点，我只想保留在任何源中找到的最小距离的行。

我认为

DELETE FROM dist
  WHERE hexbin1, hexbin2, source NOT IN (
    SELECT hexbin1, hexbin2, source FROM dist INNER JOIN (
      SELECT hexbin1 as h1, hexbin2 as h2, min(distance) as m
      FROM dist GROUP BY hexbin1, hexbin2)
    ON hexbin1==h1 AND hexbin2==h2 AND distance==m);

应该做大致正确的事情。理论上，我可以有不同的行，它们具有相同的 hexbin1、hexbin2 和距离，但来源不同。在实践中，这不太可能也不会妨碍下一个需要使用数据库的流程，因此可以保留或删除它们，这取决于哪个更容易做；我上面的查询保留了重复项，但在其他条件相同的情况下，我宁愿只保留所有距离最短的样本中的任意样本。

天真地阅读，它在表格上迭代了 3 次，听起来很不方便。我怎样才能做得更好？

【问题讨论】：

hexbin1、hexbin2 的组合是否存在重复距离，因此最小距离存在于 1 行以上的情况？
理论上，我可以有不同的行，它们具有相同的 hexbin1、hexbin2 和距离，但来源不同。在实践中，这不太可能并且不会妨碍需要使用数据库的下一个流程，因此可以根据哪个更容易操作来保留或删除它们。

标签： sql sqlite join sql-delete

【解决方案1】：

这个查询：

SELECT hexbin1, hexbin2, MIN(distance)
FROM dist d
GROUP BY hexbin1, hexbin2

返回hexbin1, hexbin2 的每个组合的所有最小距离。
如果没有重复最小距离的情况，您可以像这样使用它：

DELETE FROM dist
WHERE (hexbin1, hexbin2, distance) NOT IN (
  SELECT hexbin1, hexbin2, MIN(distance)
  FROM dist 
  GROUP BY hexbin1, hexbin2
)

查看简化的demo。

但是如果有重复，那么在FIRST_VALUE()窗口函数的帮助下，决胜局可以是rowid列：

DELETE FROM dist
WHERE rowid NOT IN (
  SELECT FIRST_VALUE(rowid) OVER (PARTITION BY hexbin1, hexbin2 ORDER BY distance, rowid)
  FROM dist
)

查看简化的demo。

【讨论】：

【解决方案2】：

你可以试试：

delete from dist
    where exists (select 1
                  from dest d2
                  where d2.hexbin1 = d.hexbin1 and d2.hexbin2 = d.hexbin2 and d2.distance > d.distance
                 );

特别是，这可以利用(hexbin1, hexbin2, distance) 上的索引。

【讨论】：