SQL SELECT DISTINCT

A dona da Loja Aurora quer saber: "em quais cidades nós temos clientes?". A Ana pede a coluna cidade da tabela de clientes e recebe 30 linhas, com Teresina aparecendo dez vezes. A resposta está ali, mas escondida no meio das repetições. Para isso existe o DISTINCT (em inglês, "distinto", "diferente"): ele tira as linhas repetidas do resultado e deixa cada valor aparecer uma vez só.

Você vai aprender

Por que um SELECT comum mostra valores repetidos.
A usar SELECT DISTINCT para ver cada valor uma vez só.
Como o DISTINCT funciona com várias colunas: ele olha a linha inteira.
O que acontece com o NULL num DISTINCT.
Outras formas de chegar ao mesmo resultado, e os erros mais comuns.

A ideia: a lista de cidades sem repetir

Imagine as 30 fichas de clientes da loja. Para responder "em quais cidades temos clientes?", você pegaria uma folha em branco, passaria ficha por ficha e anotaria a cidade, só se ela ainda não estiver na folha. No fim, a folha teria cada cidade uma vez.

É exatamente o que o DISTINCT faz com o resultado de um SELECT: monta a resposta normalmente e, antes de mostrar, joga fora as linhas que são iguais a uma que já apareceu.

1. O problema: valores repetidos

Primeiro, a consulta sem DISTINCT:

SELECT cidade FROM clientes;

Vieram 30 linhas, uma por cliente. Isso está certo: o SELECT mostra uma linha do resultado para cada linha da tabela. Como 10 clientes moram em Teresina, Teresina aparece 10 vezes; São Paulo e Fortaleza aparecem 7 vezes cada. Para a pergunta da dona da loja, essas repetições só atrapalham.

2. A solução: `SELECT DISTINCT`

Basta escrever DISTINCT logo depois do SELECT:

SELECT DISTINCT cidade FROM clientes;

SELECT: "Selecione", como sempre.
DISTINCT: "Distintos": mostre cada linha do resultado uma vez só. Vem colado no SELECT, antes da lista de colunas.
cidade: A coluna que você quer ver.
FROM clientes;: De qual tabela, e o fim do comando.

Agora são 8 linhas: a loja tem clientes em 8 cidades. A tabela clientes continua com os mesmos 30 clientes; o DISTINCT só mudou o que voltou para você.

E a ordem?

As cidades vieram na ordem em que apareceram pela primeira vez na tabela (Teresina, do cliente 1; São Paulo, do cliente 3…). Mas o SQL não promete ordem nenhuma no resultado, com ou sem DISTINCT. Se a ordem importa (em ordem alfabética, por exemplo), peça com ORDER BY, assunto da aula ORDER BY.

3. Mais perguntas que o `DISTINCT` responde

Toda pergunta do tipo "quais são os … diferentes?" é um caso para o DISTINCT.

Quais cargos existem na loja?

SELECT DISTINCT cargo FROM funcionarios;

São 8 funcionários e 5 cargos. Repare que Vendedor e Vendedora aparecem separados: para o banco, são dois textos diferentes. O DISTINCT compara os valores letra por letra; ele não sabe que as duas palavras querem dizer quase a mesma coisa. Pelo mesmo motivo, 'Teresina' e 'teresina' contariam como duas cidades: no SQLite, maiúsculas e minúsculas fazem diferença nos dados (mais sobre isso em WHERE).

De quais países vêm os fornecedores?

SELECT DISTINCT pais FROM fornecedores;

Quais clientes já fizeram pelo menos um pedido?

A tabela pedidos tem 90 pedidos, e a coluna cliente_id diz de qual cliente é cada um. Quem comprou várias vezes aparece várias vezes. Com DISTINCT, cada cliente aparece uma vez:

SELECT DISTINCT cliente_id FROM pedidos;

São 26 clientes, os de número 1 a 26. Como a loja tem 30 clientes, quatro deles (27, 28, 29 e 30) ainda não fizeram nenhum pedido. Descobrir quem são eles pelo nome é trabalho para a aula LEFT JOIN.

Missão: a loja manda catálogos por estado. De quais estados são os clientes? Mostre cada estado uma vez só.

SELECT estado FROM clientes;

SELECT DISTINCT estado FROM clientes;

4. `DISTINCT` com várias colunas

Esta é a parte que mais confunde. Com mais de uma coluna, o DISTINCT não olha cada coluna separada: ele olha a linha inteira. Duas linhas só são "repetidas" se forem iguais em todas as colunas pedidas.

A Ana quer saber, em cada estado, se há clientes VIP (vip = 1), comuns (vip = 0) ou os dois:

SELECT DISTINCT estado, vip FROM clientes;

Vieram 7 linhas. O PI aparece duas vezes, PI|1 e PI|0, e não é repetição: as duas linhas são diferentes na coluna vip. Lendo o resultado: PI, SP e CE têm clientes VIP e comuns; PE só tem clientes comuns (por isso não há a linha PE|1, e são 7, não 8).

Linhas do resultado sem `DISTINCT`	São repetidas?
`PI\|0` e `PI\|0`	Sim: iguais nas duas colunas. Fica uma.
`PI\|0` e `PI\|1`	Não: o estado é igual, mas o `vip` é diferente. Ficam as duas.
`PI\|0` e `CE\|0`	Não: o `vip` é igual, mas o estado é diferente. Ficam as duas.

Quando o `DISTINCT` não tira nada

Se uma das colunas pedidas nunca se repete, nenhuma linha é igual a outra, e o DISTINCT não tem o que tirar. O id de cada cliente é único, então:

SELECT DISTINCT id, cidade FROM clientes;

Continuam as 30 linhas, com Teresina repetida, porque cada linha tem um id diferente. Para ver as cidades sem repetição, peça só a cidade.

Missão: em quais cidades ficam os fornecedores da loja? Esta consulta trouxe uma cidade repetida (Teresina aparece duas vezes) porque pede também o nome. Mostre cada cidade uma vez só.

SELECT DISTINCT nome, cidade FROM fornecedores;

SELECT DISTINCT cidade FROM fornecedores;

5. `DISTINCT` e o `NULL`

Lembra dos fornecedores estrangeiros, que não têm estado (NULL)? Veja o que o DISTINCT faz com eles:

SELECT DISTINCT estado FROM fornecedores;

Os dois NULL (de Portugal e da Argentina) viraram uma linha só. Para o DISTINCT, todos os "sem valor" contam como iguais entre si. O mesmo acontece com os 3 clientes sem email:

SELECT DISTINCT email FROM clientes;

São 28 linhas: os 27 emails diferentes e uma linha NULL no lugar dos três clientes sem email. Guarde isso: em outras partes do SQL o NULL se comporta de outro jeito, e a aula O Valor NULL explica cada caso.

Formas diferentes de fazer a mesma coisa

`DISTINCT` × `GROUP BY`

Mais adiante você vai aprender o GROUP BY, que junta as linhas em grupos. Pedir os grupos de cidade dá a mesma lista de cidades:

SELECT cidade FROM clientes GROUP BY cidade;

As mesmas 8 cidades (aqui, por acaso, em ordem alfabética; de novo, só o ORDER BY garante a ordem). O GROUP BY serve para muito mais coisas, como contar quantos clientes há em cada cidade; é a aula GROUP BY.

Contar quantos são os diferentes

E se a pergunta for "quantas cidades?", e não "quais"? Dá para contar sem listar, com a função COUNT (aula COUNT()). Uma prévia:

SELECT COUNT(cidade), COUNT(DISTINCT cidade) FROM clientes;

A primeira conta conta as cidades com repetição (30, uma por cliente); a segunda conta só as diferentes (8).

`ALL`: o contrário de `DISTINCT`

Existe também SELECT ALL ("todos"), que mantém as repetições. Como esse já é o comportamento normal, quase ninguém escreve: SELECT ALL cidade FROM clientes; é igual a SELECT cidade FROM clientes;, com as 30 linhas.

Pergunta	Use
Quais são os valores diferentes?	`SELECT DISTINCT cidade FROM clientes;`
Quantos são os valores diferentes?	`SELECT COUNT(DISTINCT cidade) FROM clientes;`
Quantos clientes há em cada cidade?	`GROUP BY` (aula GROUP BY)
Quero todas as linhas, com repetição	`SELECT cidade FROM clientes;` (o `ALL` é o normal)

Quando dá errado

DISTINCT no meio da lista

A Ana queria todas as cidades e, ao lado, os estados sem repetir:

SELECT cidade, DISTINCT estado FROM clientes;

near "DISTINCT": syntax error. O DISTINCT não vale para uma coluna só: ele vale para a linha inteira, e por isso tem um lugar fixo, logo depois do SELECT. No meio da lista, o banco não sabe o que fazer com ele. Como consertar: SELECT DISTINCT cidade, estado FROM clientes;, sabendo que o DISTINCT vai olhar as duas colunas juntas.

Achar que os parênteses limitam o DISTINCT

Outra tentativa comum é pôr a coluna entre parênteses, como se o DISTINCT fosse valer só para ela:

SELECT DISTINCT (cidade), estado FROM clientes;

Não dá erro, mas também não faz o que parece. O parêntese em volta de cidade não muda nada (é como escrever (2) em vez de 2 numa conta), e o DISTINCT continua olhando a linha inteira, cidade e estado. O resultado é igual ao de SELECT DISTINCT cidade, estado.

O DISTINCT "não funcionou"

SELECT DISTINCT nome, cidade FROM clientes;

Vieram as 30 linhas, e Teresina continua repetida. O DISTINCT funcionou, sim: não existem dois clientes com o mesmo nome e a mesma cidade, então não havia linha repetida para tirar. Como consertar: peça só as colunas que você quer sem repetição. Se o DISTINCT "não fez nada", olhe se a lista tem uma coluna que quase nunca se repete, como id, nome ou email.

Esqueceu a coluna

SELECT DISTINCT FROM clientes;

near "FROM": syntax error, o mesmo erro de um SELECT FROM sem nada no meio: depois do DISTINCT o banco esperava a lista de colunas.

Nos outros bancos

O SELECT DISTINCT desta aula funciona igual no MySQL, no PostgreSQL e no SQL Server. O PostgreSQL tem, além dele, uma extensão própria, o DISTINCT ON, que não faz parte do SQL padrão e não existe no SQLite. Ele guarda só a primeira linha de cada grupo de valores iguais nas colunas entre parênteses, e é usado junto com ORDER BY. Um exemplo, só para ilustrar (não roda no SQLite):

SELECT DISTINCT ON (cidade) cidade, nome
FROM clientes
ORDER BY cidade, nome;

No PostgreSQL, isso mostraria uma linha por cidade, com o primeiro nome em ordem alfabética de cada uma.

Referência rápida

Escrita	O que faz
`SELECT DISTINCT coluna FROM tabela;`	Cada valor da coluna uma vez só
`SELECT DISTINCT col1, col2 FROM tabela;`	Cada combinação de `col1` e `col2` uma vez só
`SELECT ALL coluna FROM tabela;`	Com repetições (o normal; o `ALL` é opcional)
`SELECT COUNT(DISTINCT coluna) FROM tabela;`	Quantos valores diferentes existem
`NULL` no `DISTINCT`	Todos os `NULL` viram uma linha só

Exercícios

1. Sem repetir

Complete para mostrar cada cargo uma vez só:

SELECT cargo FROM funcionarios;

2. Quantas linhas vêm em SELECT DISTINCT estado FROM clientes;, se os 30 clientes são dos estados PI, SP, CE e PE?

30 4 1 8

3. Em SELECT DISTINCT estado, vip FROM clientes;, as linhas PI|0 e PI|1…

…são repetidas, e só uma fica …dão erro, porque o DISTINCT só aceita uma coluna …são diferentes, e as duas ficam: o DISTINCT olha a linha inteira …viram uma linha PI|NULL

4. Onde o DISTINCT deve ser escrito?

Logo depois do SELECT, antes da lista de colunas Antes da coluna que não pode repetir, em qualquer lugar da lista Depois do nome da tabela No fim, depois do ;

5. A tabela tem 3 clientes sem email (NULL). No resultado de SELECT DISTINCT email FROM clientes;, quantas linhas NULL aparecem?

Três Nenhuma: o DISTINCT tira os NULL Dá erro Uma

Missão final: quem já vendeu?

Missão: a tabela pedidos tem a coluna funcionario_id, com o número do funcionário que atendeu cada pedido. A gerente quer saber quais funcionários já atenderam algum pedido. Mostre só essa coluna, cada número uma vez.

SELECT funcionario_id FROM pedidos;

SELECT DISTINCT funcionario_id FROM pedidos;

Dos 8 funcionários, 6 aparecem (os números 2 a 7). Faltam a gerente, Marta (1), e o estoquista, Davi (8), que não atendem pedidos. Confira com SELECT * FROM funcionarios;.

Resumo

Um SELECT comum mostra uma linha para cada linha da tabela, com repetições.
SELECT DISTINCT ("distintos") tira as linhas repetidas do resultado: cada valor aparece uma vez. A tabela não muda.
O DISTINCT vem logo depois do SELECT e vale para a linha inteira: com várias colunas, só some a linha igual em todas elas.
Com uma coluna que nunca se repete (como id), o DISTINCT não tem o que tirar.
Os NULL viram uma linha só. Textos são comparados exatamente: Vendedor e Vendedora são diferentes.
O SQL não promete a ordem do resultado; para ordenar, use ORDER BY.