Como selecionar a primeira linha em cada grupo GROUP BY

Problema:

Você agrupou seus dados com GROUP BY e gostaria de exibir apenas a primeira linha de cada grupo.

Exemplo:

Nosso banco de dados tem uma tabela chamada exam_results com os dados da tabela a seguir:

first_name	last_name	ano	resultado
João	Klein	2020	40
Editar	Preto	2020	43
Marcar	Johnson	2019	32
Laura	Verão	2020	35
Kate	Smith	2019	41
Jacob	Preto	2019	44
Tom	Bennet	2020	38
Emily	Kelly	2020	43

Para cada ano, vamos encontrar o aluno com o melhor result . Se houver dois alunos empatados como o melhor em um grupo, selecionaremos arbitrariamente um deles para exibir.

Solução:

WITH added_row_number AS (
  SELECT
    *,
    ROW_NUMBER() OVER(PARTITION BY year ORDER BY result DESC) AS row_number
  FROM exam_results
)
SELECT
  *
FROM added_row_number
WHERE row_number = 1;

O resultado é:

first_name	last_name	ano	resultado	número_linha
Jacob	Preto	2019	44	1
Emily	Kelly	2020	43	1

Discussão:

Primeiro, você precisa escrever um CTE no qual você atribui um número a cada linha dentro de cada grupo. Para fazer isso, você pode usar o ROW_NUMBER() função. Em OVER() , você especifica os grupos em que as linhas devem ser divididas (PARTITION BY ) e a ordem em que os números devem ser atribuídos às linhas (ORDER BY ).

Dê uma olhada no resultado da consulta interna:

SELECT
  *,
  ROW_NUMBER() OVER(PARTITION BY year ORDER BY result DESC) AS row_number
FROM exam_results;

first_name	last_name	ano	resultado	número_linha
Jacob	Preto	2019	44	1
Kate	Smith	2019	41	2
Marcar	Johnson	2019	32	3
Emily	Kelly	2020	43	1
Editar	Preto	2020	43	2
João	Klein	2020	40	3
Tom	Bennet	2020	38	4
Laura	Verão	2020	35	5

Você atribui os números de linha dentro de cada grupo (ou seja, ano). Cada linha tem um número de linha baseado no valor do result coluna. As linhas são classificadas em ordem decrescente devido ao DESC palavra-chave após ORDER BY result . Mesmo se houver várias linhas em um grupo que tenham o mesmo valor de result , as linhas ainda recebem números diferentes. Aqui, Edith Black e Emily Kelly têm o mesmo result mas números de linha diferentes. Para alterar esse comportamento e atribuir o mesmo número de linha para o mesmo resultado em um grupo, use RANK() ou DENSE_RANK() em vez de ROW_NUMBER() .

Na consulta externa, você seleciona todos os dados do CTE (added_row_number ) e use um WHERE condição para especificar qual linha exibir de cada grupo. Aqui, queremos exibir a primeira linha, então a condição é row_number = 1 .

Observe que você pode modificar facilmente a solução para obter, por exemplo, a segunda linha de cada grupo.

WITH added_row_number AS (
  SELECT
    *,
    ROW_NUMBER() OVER(PARTITION BY year ORDER BY result DESC) AS row_number
  FROM exam_results
)
SELECT
  *
FROM added_row_number
WHERE row_number = 2;

Aqui está o resultado:

first_name	last_name	ano	resultado	número_linha
Kate	Smith	2019	41	2
Editar	Preto	2020	43	2

Por outro lado, se você deseja obter as linhas com o segundo valor mais alto de result dentro de cada grupo, você deve usar o DENSE_RANK() função. Enquanto o ROW_NUMBER() A função cria números consecutivos para cada linha em um grupo, resultando em valores diferentes atribuídos às linhas com o mesmo resultado, o DENSE_RANK() função dá o mesmo número para as linhas com o mesmo resultado.

WITH added_dense_rank AS (
  SELECT
    *,
    DENSE_RANK() OVER(PARTITION BY year ORDER BY result DESC) AS rank
  FROM exam_results
)
SELECT
  *
FROM added_dense_rank
WHERE rank = 2;

first_name	last_name	ano	resultado	classificação
Kate	Smith	2019	41	2
João	Klein	2020	40	2

Você pode ver que John Klein tem o segundo maior valor de result (40) para o ano de 2020. John Klein é, na verdade, a terceira pessoa do grupo, mas os dois primeiros alunos têm o mesmo result e ambos têm rank = 1 .