آپ DISTINCT کے ساتھ duplicates کو کیسے handle کرتے ہیں?

Question

Accepted Answer

**`DISTINCT`** کسی نتیجے سے duplicate rows کو ہٹا دیتا ہے، صرف منفرد values واپس کرتا ہے۔ یہ کسی column (یا columns کے combination) کی منفرد values حاصل کرنے کے لیے استعمال ہوتا ہے — منفرد entries تلاش کرنے یا dropdown lists بنانے کے لیے عام ہے۔

## DISTINCT — منفرد values

```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` تمام منتخب columns پر مل کر لاگو ہوتا ہے — `DISTINCT country, city` منفرد *combinations* واپس کرتا ہے، منفرد ممالک اور منفرد شہر الگ الگ نہیں۔

## DISTINCT کے ساتھ 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)` منفرد values کو گنتا ہے — "کتنے مختلف X ہیں؟" کے لیے مفید ہے۔

## اصل duplicate rows تلاش کرنا

```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
```

Duplicates *تلاش* کرنے کے لیے (صرف انہیں ہٹانے کے بجائے)، `GROUP BY` + `HAVING COUNT(*) > 1` استعمال کریں — یہ شناخت کرتا ہے کہ کون سی values duplicate ہیں اور کتنی بار۔

## DISTINCT بمقابلہ 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
```

## کارکردگی کے بارے میں ایک نوٹ

```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).
```

## یہ کیوں اہم ہے

`DISTINCT` **duplicates کو handle** کرنے کے لیے ایک مفید، عام طور پر ضروری SQL feature ہے — منفرد values حاصل کرنا بہت بار ضروری ہے (dropdown کے لیے منفرد categories، distinct entries، منفرد items کو گننا)، اس لیے اس کو سمجھنا عملی روز مرہ کا علم ہے۔

جاننا کہ `DISTINCT` کیسے کام کرتا ہے (duplicate rows کو ہٹانا، اور multiple columns پر یہ منفرد *combinations* واپس کرتا ہے — confusion کا ایک عام نقطہ) اور منفرد values کو گننے کے لیے `COUNT(DISTINCT)` کو کیسے استعمال کریں یہ عام استعمالات کو cover کرتا ہے۔

یکساں طور پر قیمتی یہ جاننا ہے کہ **اصل duplicates کو کیسے تلاش کریں** (`GROUP BY` + `HAVING COUNT(*) > 1` استعمال کریں) — data cleaning اور validation کے لیے ایک عام، اہم کام (duplicate emails، records وغیرہ کی شناخت کرنا)۔

`DISTINCT` اور `GROUP BY` کے درمیان تعلق سمجھنا (deduplication کے لیے اکثر برابر، GROUP BY زیادہ لچکدار کے ساتھ) اور **کارکردگی کا نوٹ** (DISTINCT کو موازنہ/sorting کی ضرورت ہے اور مہنگا ہو سکتا ہے، اور کبھی کبھی JOIN کی علامت ہے جو غیر مطلوبہ duplicates پیدا کر رہی ہے) بھی مفید ہے۔

چونکہ duplicates کو handle کرنا — انہیں ہٹانا (DISTINCT) اور انہیں تلاش کرنا (GROUP BY/HAVING) — querying اور data quality work میں ایک عام عملی ضرورت ہے، اور چونکہ DISTINCT کے رویے کو سمجھنا (خاص طور پر multiple columns پر) اور اس کے متبادل confusion اور کمیتے کو روکتے ہیں، duplicates کو DISTINCT کے ساتھ handle کرنا، real data کے ساتھ کام کرنے کے لیے مفید، بار بار استعمال ہونے والا علم ہے جس میں اکثر منفرد values کی ضرورت ہوتی ہے یا وہ موجود ہوتی ہیں۔