ਤੁਸੀਂ DISTINCT ਨਾਲ ਡੁਪਲੀਕੇਟਸ ਨੂੰ ਕਿਵੇਂ ਸੰਭਾਲਦੇ ਹੋ?

Question

Accepted Answer

**`DISTINCT`** ਨਤੀਜੇ ਤੋਂ ਡੁਪਲੀਕੇਟ ਕਤਾਰਾਂ ਨੂੰ ਹਟਾਉਂਦਾ ਹੈ, ਸਿਰਫ ਅਨੌਖੇ ਮੁੱਲ ਵਾਪਸ ਕਰਦਾ ਹੈ। ਇਹ ਇੱਕ ਕਾਲਮ (ਜਾਂ ਕਾਲਮਾਂ ਦੇ ਸੰਯੋਜਨ) ਦੇ ਵਿਸ਼ਿਸ਼ਟ ਮੁੱਲ ਪ੍ਰਾਪਤ ਕਰਨ ਲਈ ਵਰਤਿਆ ਜਾਂਦਾ ਹੈ — ਅਨੌਖੀਆਂ ਪ੍ਰਵਿਸ਼ਟੀਆਂ ਲੱਭਣ ਜਾਂ ਡ੍ਰੌਪ-ਡਾਊਨ ਸੂਚੀਆਂ ਬਣਾਉਣ ਲਈ ਆਮ ਹੈ।

## DISTINCT — ਅਨੌਖੇ ਮੁੱਲ

```sql
-- get the unique countries (no duplicates)
SELECT DISTINCT country FROM users;
-- → each country appears once, even if many users share it

-- DISTINCT on multiple columns → unique COMBINATIONS
SELECT DISTINCT country, city FROM users;
-- → each unique (country, city) pair appears once
```

`DISTINCT` ਸਾਰੇ ਚੁਣੇ ਹੋਏ ਕਾਲਮਾਂ ਉੱਤੇ ਲਾਗੂ ਹੁੰਦਾ ਹੈ — `DISTINCT country, city` ਅਨੌਖੇ *ਸੰਯੋਜਨ* ਵਾਪਸ ਕਰਦਾ ਹੈ, ਅਨੌਖੇ ਦੇਸ਼ ਅਤੇ ਅਨੌਖੀਆਂ ਸ਼ਹਿਰਾਂ ਨੂੰ ਵੱਖ ਨਹੀਂ ਕਰਦਾ।

## DISTINCT ਨਾਲ COUNT

```sql
-- count how many UNIQUE countries there are
SELECT COUNT(DISTINCT country) FROM users;

-- vs COUNT(*) which counts all rows (with duplicates)
SELECT COUNT(*) FROM users;
```

`COUNT(DISTINCT column)` ਅਨੌਖੇ ਮੁੱਲਾਂ ਨੂੰ ਗਿਣਦਾ ਹੈ — "ਕਿੰਨੇ ਵੱਖ-ਵੱਖ X ਹਨ?" ਲਈ ਲਾਭਦਾਇਕ ਹੈ।

## ਅਸਲ ਡੁਪਲੀਕੇਟ ਕਤਾਰਾਂ ਲੱਭਣਾ

```sql
-- find values that appear MORE THAN ONCE (duplicates)
SELECT email, COUNT(*) AS count
FROM users
GROUP BY email
HAVING COUNT(*) > 1;          -- groups with more than one row = duplicates
```

ਡੁਪਲੀਕੇਟਸ *ਲੱਭਣ ਲਈ* (ਸਿਰਫ ਉਨ੍ਹਾਂ ਨੂੰ ਹਟਾਉਣ ਦੀ ਬਜਾਏ), `GROUP BY` + `HAVING COUNT(*) > 1` ਦੀ ਵਰਤੋਂ ਕਰੋ — ਇਹ ਪਛਾਣਦਾ ਹੈ ਕਿ ਕਿਹੜੇ ਮੁੱਲ ਡੁਪਲੀਕੇਟ ਹਨ ਅਤੇ ਕਿੰਨੀ ਵਾਰ।

## DISTINCT ਬਨਾਮ GROUP BY

```sql
-- these are often equivalent for getting unique values:
SELECT DISTINCT country FROM users;
SELECT country FROM users GROUP BY country;
-- GROUP BY is more flexible (can add aggregates); DISTINCT is simpler for pure deduplication
```

## ਪ੍ਰਦਰਸ਼ਨ ਬਾਰੇ ਇੱਕ ਨੋਟ

```text
DISTINCT requires the database to compare/sort rows to find uniques → can be costly
on large datasets. Often a sign you might restructure the query (e.g. a JOIN producing
duplicates that DISTINCT then removes — consider whether the JOIN is the issue).
```

## ਇਹ ਕਿਉਂ ਮਾਇਨੇ ਰੱਖਦਾ ਹੈ

`DISTINCT` **ਡੁਪਲੀਕੇਟਸ ਨੂੰ ਸੰਭਾਲਣ ਲਈ** ਇੱਕ ਲਾਭਦਾਇਕ, ਆਮ-ਦੀ-ਲੋੜ ਵਾਲੀ SQL ਵਿਸ਼ੇਸ਼ਤਾ ਹੈ — ਅਨੌਖੇ ਮੁੱਲ ਪ੍ਰਾਪਤ ਕਰਨਾ ਇੱਕ ਲਗਾਤਾਰ ਲੋੜ ਹੈ (ਡ੍ਰੌਪ-ਡਾਊਨ ਲਈ ਅਨੌਖੀਆਂ ਸ਼੍ਰੇਣੀਆਂ, ਵਿਸ਼ਿਸ਼ਟ ਪ੍ਰਵਿਸ਼ਟੀਆਂ, ਅਨੌਖੀਆਂ ਚੀਜ਼ਾਂ ਗਿਣਨਾ), ਇਸ ਲਈ ਇਸ ਨੂੰ ਸਮਝਣਾ ਵਿਹਾਰਕ ਰੋਜ਼ਮਰਾ ਦਾ ਗਿਆਨ ਹੈ।

ਇਹ ਜਾਣਨਾ ਕਿ `DISTINCT` ਕਿਵੇਂ ਕਾਲ ਕਰਦਾ ਹੈ (ਡੁਪਲੀਕੇਟ ਕਤਾਰਾਂ ਨੂੰ ਹਟਾਉਂਦਾ ਹੈ, ਅਤੇ ਮਲਟੀਪਲ ਕਾਲਮਾਂ ਉੱਤੇ ਇਹ ਅਨੌਖੇ *ਸੰਯੋਜਨ* ਵਾਪਸ ਕਰਦਾ ਹੈ — ਇੱਕ ਆਮ ਸੰਜੋਗ ਵਿਥਲੂ) ਅਤੇ `COUNT(DISTINCT)` ਨੂੰ ਅਨੌਖੇ ਮੁੱਲਾਂ ਗਿਣਨ ਲਈ ਕਿਵੇਂ ਵਰਤੀ ਜਾਏ ਆਮ ਉਪਯੋਗ ਨੂੰ ਕਵਰ ਕਰਦਾ ਹੈ।

ਸਮਾਨ ਮਾਇਨੇ ਦਾ ਹੈ ਇਹ ਜਾਣਨਾ ਕਿ **ਅਸਲ ਡੁਪਲੀਕੇਟਸ ਕਿਵੇਂ ਲੱਭੀਏ** (`GROUP BY` + `HAVING COUNT(*) > 1` ਦਾ ਉਪਯੋਗ ਕਰਕੇ) — ਡੇਟਾ ਸਾਫ਼-ਸਫਾਈ ਅਤੇ ਪ੍ਰਮਾਣੀਕਰਣ ਲਈ ਇੱਕ ਆਮ, ਮਹੱਤਵਪੂਰਨ ਕਾਰਜ (ਡੁਪਲੀਕੇਟ ਈ-ਮੇਲ, ਰਿਕਾਰਡ, ਆਦਿ ਦੀ ਸ਼ਨਾਖ਼ਤ ਕਰਨਾ)।

`DISTINCT` ਅਤੇ `GROUP BY` ਦੇ ਵਿਚਕਾਰ ਸਬੰਧ ਨੂੰ ਸਮਝਣਾ (ਅਕਸਰ ਡੁਪਲੀਕੇਸ਼ਨ ਹਟਾਉਣ ਲਈ ਬਰਾਬਰ, GROUP BY ਹੋਰ ਲਚਕਦਾਰ ਹੋਣ ਦੇ ਨਾਲ) ਅਤੇ **ਪ੍ਰਦਰਸ਼ਨ ਨੋਟ** (DISTINCT ਤੁਲਨਾ/ਛਾਂਟਣ ਦੀ ਲੋੜ ਹੈ ਅਤੇ ਮਹਿੰਗਾ ਹੋ ਸਕਦਾ ਹੈ, ਅਤੇ ਕਦੇ-ਕਦੇ ਇਹ ਸ਼ਬਦ ਕਰਦਾ ਹੈ ਕਿ JOIN ਅਣਚਾਹੇ ਡੁਪਲੀਕੇਟ ਪੈਦਾ ਕਰ ਰਹੀ ਹੈ) ਵੀ ਲਾਭਦਾਇਕ ਹੈ।

ਕਿਉਂਕਿ ਡੁਪਲੀਕੇਟਸ ਨੂੰ ਸੰਭਾਲਣਾ — ਉਨ੍ਹਾਂ ਨੂੰ ਹਟਾਉਣਾ (DISTINCT) ਅਤੇ ਉਨ੍ਹਾਂ ਨੂੰ ਲੱਭਣਾ (GROUP BY/HAVING) — ਸ਼ਬਦ-ਮਾਲੀ ਅਤੇ ਡੇਟਾ ਗੁਣਵੱਤਾ ਕਾਰਜ ਵਿੱਚ ਇੱਕ ਆਮ ਵਿਹਾਰਕ ਲੋੜ ਹੈ, ਅਤੇ ਕਿਉਂਕਿ DISTINCT ਦੇ ਵਿਵਹਾਰ ਨੂੰ ਸਮਝਣਾ (ਖਾਸ ਤੌਰ ਤੇ ਮਲਟੀਪਲ ਕਾਲਮਾਂ ਉੱਤੇ) ਅਤੇ ਇਸ ਦੇ ਵਿਕਲਪ ਉਲਝਣ ਅਤੇ ਅਕੁਸ਼ਲਤਾ ਨੂੰ ਰੋਕਦੇ ਹਨ, DISTINCT ਨਾਲ ਡੁਪਲੀਕੇਟਸ ਨੂੰ ਸੰਭਾਲਣ ਦਾ ਤਰੀਕਾ ਜਾਣਨਾ ਅਸਲ ਡੇਟਾ ਨਾਲ ਕਾਰਕ ਲਈ ਲਾਭਦਾਇਕ, ਲਗਾਤਾਰ-ਲਾਗੂ ਗਿਆਨ ਹੈ ਜਿਸ ਵਿੱਚ ਅਕਸਰ ਅਨੌਖੇ ਮੁੱਲਾਂ ਦੀ ਲੋੜ ਹੁੰਦੀ ਹੈ।