为什么我用 GROUP BY 计算的 COUNT DISTINCT 不正确？答案

【问题标题】：Why I got incorrect calculation of COUNT DISTINCT with GROUP BY?为什么我用 GROUP BY 计算的 COUNT DISTINCT 不正确？
【发布时间】：2019-05-02 13:00:27
【问题描述】：

我有一张表 INTERACTIONS

CustomerID | Channel | Response
-----------+---------+----------
 245       | SMS     | Accept   
 245       | PUSH    | Ignore   
 247       | SMS     | Accept   
 249       | PUSH    | Ignore

当我提出要求时

SELECT COUNT(DISTINCT CUSTOMERID) AS Customers 
FROM INTERACTIONS;

我得到结果7440

当我通过频道分组查询，然后计算所有组的总和：

    SELECT SUM(CUSTOMERS) 
    FROM 
        (SELECT 
             CHANNEL,
             COUNT(DISTINCT CUSTOMERID) AS Customers 
         FROM 
             INTERACTIONS
         GROUP BY 
             CHANNEL);

我得到结果9993

为什么？怎么了？我希望所有客户的数量相同。

【问题讨论】：

一些客户在多个渠道中。

标签： sql group-by count distinct

【解决方案1】：

它就在您的示例数据中。不同的客户是：

245, 247, 249

当您按渠道分组时，245 客户会分别针对 PUSH 和 SMS 显示：

SMS  | 245, 247
PUSH | 245, 249

因此COUNT(DISTINCT x) GROUP BY y 可能大于COUNT(DISTINCT x) -- NO GROUP BY。

【讨论】：

【解决方案2】：

您得到了不同的结果，因为不同的 CHANNEL PUSH 和 SMS 包含相同的 id 245 ，因此当您在第一个查询中 COUNT(DISTINCT CUSTOMERID) 时它会返回 1 但是当您通过 CHANNEL 应用了组，它将返回每个组 1，因此您的第二个查询 245 id 将使 push=1 and sms=1 和最终查询 sum() 将其变为 2，这是不同的结果

【讨论】：

【解决方案3】：

SELECT CHANNEL,
COUNT(DISTINCT CUSTOMERID) AS Customers 
FROM INTERACTIONS
GROUP BY CHANNEL

该查询为您提供不同的CUSTOMERID 每个频道。不同的 Channel 中可能存在相同的 CUSTOMERID 值，因此它们会在最终总和（9993）中被计算多次。

您可以通过将查询转换为这个来检查这一点，这将为您提供每个 CUSTOMERID 的频道数：

SELECT CUSTOMERID,
COUNT(DISTINCT CHANNEL) AS Channels
FROM INTERACTIONS
GROUP BY CHANNEL
HAVING COUNT(DISTINCT CHANNEL) > 1

【讨论】：