Jak obsługiwać duplikaty za pomocą DISTINCT?

Question

Accepted Answer

**`DISTINCT`** usuwa zduplikowane wiersze z wyniku, zwracając tylko wartości unikalne. Służy do uzyskania odrębnych wartości kolumny (lub kombinacji kolumn) — powszechnie używane do znajdowania unikalnych wpisów lub budowania list rozwijanych.

## DISTINCT — wartości unikalne

```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` stosuje się do wszystkich wybranych kolumn razem — `DISTINCT country, city` zwraca unikalne *kombinacje*, a nie unikalne kraje i unikalne miasta osobno.

## DISTINCT z 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)` liczy unikalne wartości — przydatne dla "ile różnych X jest?".

## Znajdowanie rzeczywistych zduplikowanych wierszy

```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
```

Aby *znaleźć* duplikaty (nie tylko je usunąć), użyj `GROUP BY` + `HAVING COUNT(*) > 1` — to identyfikuje, które wartości są zduplikowane i ile razy.

## DISTINCT vs 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
```

## Uwaga na temat wydajności

```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).
```

## Dlaczego to ważne

`DISTINCT` to przydatna, powszechnie potrzebna funkcja SQL do **obsługi duplikatów** — uzyskiwanie unikalnych wartości jest częstą potrzebą (unikalne kategorie dla listy rozwijanej, odrębne wpisy, liczenie unikalnych elementów), dlatego zrozumienie tego to praktyczna, codzienna wiedza.

Znajomość działania `DISTINCT` (usuwania zduplikowanych wierszy i tego, że na wielu kolumnach zwraca unikalne *kombinacje* — częsty punkt zamieszania) oraz sposób użycia `COUNT(DISTINCT)` do liczenia unikalnych wartości obejmuje typowe zastosowania.

Również cenne jest znajomość, jak **znaleźć rzeczywiste duplikaty** (używając `GROUP BY` + `HAVING COUNT(*) > 1`) — częste, ważne zadanie do czyszczenia danych i walidacji (identyfikacja zduplikowanych e-maili, rekordów itp.).

Zrozumienie relacji między `DISTINCT` i `GROUP BY` (często równoważne do deduplikacji, przy czym GROUP BY jest bardziej elastyczne) i **uwaga na temat wydajności** (DISTINCT wymaga porównywania/sortowania i może być kosztowne, a czasami sygnalizuje JOIN produkujący niechciane duplikaty) jest również przydatne.

Ponieważ obsługa duplikatów — zarówno ich usuwanie (DISTINCT), jak i znajdowanie (GROUP BY/HAVING) — to powszechna praktyczna potrzeba w zapytaniach i pracy nad jakością danych, a zrozumienie zachowania DISTINCT (szczególnie na wielu kolumnach) i jego alternatyw zapobiega zamieszaniu i nieefektywności, wiedza na temat obsługi duplikatów za pomocą DISTINCT to przydatna, często stosowana wiedza do pracy z rzeczywistymi danymi, które często zawierają lub wymagają wartości unikalnych.