196-删除重复的电子邮箱

删除重复的电子邮箱

原文地址：196. 删除重复的电子邮箱 - 力扣（LeetCode）

• 题目如下所示

个人题解

这道题难度还可以，还算简单，不过需要一定的熟练度（个人已经很久没练 SQL ，有些生疏了），个人的思考过程和总结如下列 SQL 所示

• -- 建表
  CREATE TABLE 196_person(
  	id INT PRIMARY KEY,
  	email VARCHAR(30)
  );
  -- PS: 电子邮件将不包含大写字母
   
  -- 编写一个 SQL 删除语句来 删除 所有重复的电子邮件，只保留一个 id 最小的唯一电子邮件。以 任意顺序 返回结果表。（注意：仅需要写删除语句，将自动对剩余结果进行查询）
   
  -- 查找重复 email, 并根据 MIN 函数查找最小的 id
  SELECT p.email, count(p.email), MIN(p.id) FROM 196_person p GROUP BY p.email HAVING COUNT(p.email) > 1;
   
  -- 下面这个是错误的 MySQL 语法，MySQL 不允许 update 或者 delete 目标表和子查询里面的表为同一张表
  DELETE FROM 196_person p
  WHERE 
  p.email IN (SELECT p1.email FROM 196_person p1 GROUP BY p1.email HAVING COUNT(p1.email) > 1) 
  AND
  p.id NOT IN (SELECT MIN(p2.id) FROM 196_person p2 GROUP BY p2.email HAVING COUNT(p2.email) > 1);
   
  -- 验证该语句是否正确
  SELECT * FROM 196_person p
  WHERE 
  p.email IN (SELECT p1.email FROM 196_person p1 GROUP BY p1.email HAVING COUNT(p1.email) > 1) 
  AND
  p.id NOT IN (SELECT MIN(p2.id) FROM 196_person p2 GROUP BY p2.email HAVING COUNT(p2.email) > 1);
   
  -- 将子查询里面的表，写成子表即可（可通过 LeetCode）
  DELETE FROM 196_person p
  WHERE 
  p.email IN (SELECT * FROM (SELECT p1.email FROM 196_person p1 GROUP BY p1.email HAVING COUNT(p1.email) > 1) as a) 
  AND
  p.id NOT IN (SELECT * from (SELECT MIN(p2.id) FROM 196_person p2 GROUP BY p2.email HAVING COUNT(p2.email) > 1) as b);
  -- 以下是官网给出的答案，也挺不错的，刚才我也有想到，不过我想的是不等于，它这里是大于
   
  SELECT p1.* FROM Person p1,Person p2
  WHERE 
  p1.Email = p2.Email AND p1.Id > p2.Id	
  -- 转换上面的查询语句
  DELETE p1 FROM Person p1,  Person p2
    WHERE
    p1.Email = p2.Email AND p1.Id > p2.Id
   
   
    /* 
    以下是对上述SQL的释义：
    a. 从表p1取出3条记录；
    b. 拿着第1条记录去表p2查找满足WHERE的记录，代入该条件p1.Email = p2.Email AND p1.Id > p2.Id后，发现没有满足的，所以不用删掉记录1；
    c. 记录2同理；
    d. 拿着第3条记录去表p2查找满足WHERE的记录，发现有一条记录满足，所以要从p1删掉记录3；
    e. 3条记录遍历完，删掉了1条记录，这个DELETE也就结束了。
    */
   
    -- 还有一个比较通俗易懂的答案，很好理解，如果不是能很好理解官网的自连接方法的话
    -- 使用 GROUP BY 的方法，且不用像我之前的那样一定要让 COUNT(email) > 1，因为如果不大于 1 的话，那也说明是最小 id
    DELETE FROM 196_person p WHERE p.id NOT IN (
    	SELECT id FROM 
    			(
    				SELECT MIN(id) as id FROM 196_person GROUP BY email
    			) as tb 
    )
    -- 不过根据官网的解释，自连接相对于子查询在大数据情境下是更具优势的，因为可以走索引，索引还是要尽量理解和学习官网的答案