重複を扱う — DISTINCT と GROUP BY

同じ値が何度も現れる「重複」は、データを扱ううえで避けて通れません。SQL には重複を取り除く手段がいくつかあり、場面によって使い分けます。ここでは DISTINCT と GROUP BY を中心に整理します。

DISTINCT で重複を取り除く

もっとも手軽なのが DISTINCT です。SELECT の直後に付けると、結果から重複行を取り除きます。

SELECT DISTINCT dept
FROM employees;

これは「登場する部門の一覧」を、重複なしで返します。複数の列を指定すると、その列の組み合わせが重複しているかで判定します。

SELECT DISTINCT dept, hire_year
FROM employees;

この場合、「部門と入社年の組み合わせ」が同じ行がまとめられます。片方だけでなく、指定した全列の組で見る点に注意してください。

DISTINCT と GROUP BY の違い

重複を除くだけなら、GROUP BY でも同じことができます。

SELECT dept
FROM employees
GROUP BY dept;

結果は SELECT DISTINCT dept と同じです。では違いは何かというと、集計するかどうかです。

• DISTINCT：重複を除くだけ。集計はしない
• GROUP BY：グループにまとめ、各グループを集計できる

「部門の一覧が欲しいだけ」なら DISTINCT、「部門ごとに人数や平均を出したい」なら GROUP BY を使います。集計が絡むなら GROUP BY、と覚えておくとよいでしょう。

-- GROUP BY なら集計を足せる
SELECT dept, COUNT(*) AS 人数
FROM employees
GROUP BY dept;

重複している行を見つける

「重複しているデータを探したい」ときは、GROUP BY ＋ HAVING の組み合わせが定番です。

SELECT name, COUNT(*) AS 件数
FROM employees
GROUP BY name
HAVING COUNT(*) >= 2;

name でグループ化し、HAVING COUNT(*) >= 2 で「2 件以上ある＝重複している」ものだけを残します。データの重複チェックやクレンジングの第一歩としてよく使うパターンです。

件数を数えるときの DISTINCT

COUNT の中でも DISTINCT が使えます。「何種類の値があるか」を数えるときに便利です。

SELECT COUNT(DISTINCT dept) AS 部門数
FROM employees;

COUNT(dept) は「dept が NULL でない行数」ですが、COUNT(DISTINCT dept) は「異なる部門の種類数」を返します。目的に応じて使い分けます。

まとめ

• DISTINCT は重複を取り除く（指定した全列の組で判定）
• 重複を除くだけなら DISTINCT、集計もするなら GROUP BY
• 重複行を探すには GROUP BY ＋ HAVING COUNT(*) >= 2
• COUNT(DISTINCT 列) で「何種類あるか」を数えられる

重複の扱いは、データの正確さに直結します。「ユニークな一覧が欲しいのか、集計したいのか、重複を見つけたいのか」を意識して手段を選びましょう。