🔍 核心知识点提取
1. 表结构与业务需求
-
表名：
Person -
关键字段：
id：主键，唯一标识每条记录email：电子邮箱字段（非 NULL，无大写字母）
-
业务需求：找出所有重复出现的电子邮箱（即出现次数 ≥ 2 的邮箱）
2. SQL 核心解题思路
（1）分组统计 + 筛选（最推荐）
使用 GROUP BY 对邮箱分组，再用 HAVING 筛选出重复项：
sql
SELECT email AS Email
FROM Person
GROUP BY email
HAVING COUNT(email) > 1;
-
核心逻辑：
GROUP BY email：将相同邮箱的记录归为一组COUNT(email)：统计每组邮箱的出现次数HAVING COUNT(email) > 1：只保留出现次数大于 1 的组（即重复邮箱）
（2）自连接去重（另一种实现）
通过表自连接，匹配不同 id 但邮箱相同的记录：
sql
SELECT DISTINCT p1.email AS Email
FROM Person p1
JOIN Person p2
ON p1.email = p2.email AND p1.id != p2.id;
- 关键：
p1.id != p2.id确保匹配的是不同记录，DISTINCT避免同一重复邮箱多次输出。
（3）子查询方式
先统计每个邮箱的次数，再筛选次数 > 1 的：
sql
SELECT email AS Email
FROM (
SELECT email, COUNT(*) AS cnt
FROM Person
GROUP BY email
) AS temp
WHERE cnt > 1;
3. 关键语法与概念
GROUP BY分组：按指定列（email）将数据分组，用于聚合统计- 聚合函数
COUNT()：统计每组内的记录数 HAVING子句：对分组后的结果进行过滤（区别于WHERE：WHERE过滤行，HAVING过滤组）DISTINCT去重：确保重复邮箱只输出一次- 别名
AS：将结果列名重命名为题目要求的Email
4. Pandas 实现思路（对应 Pandas Schema）
用 Pandas 处理时，核心是分组统计 + 筛选：
python
运行
import pandas as pd
def duplicate_emails(person: pd.DataFrame) -> pd.DataFrame:
# 分组统计邮箱出现次数
email_count = person['email'].value_counts()
# 筛选出现次数>1的邮箱
duplicate_emails = email_count[email_count > 1].index
# 封装成要求格式的 DataFrame
result = pd.DataFrame({'Email': duplicate_emails})
return result
- 另一种写法（用
groupby+filter）：
python
运行
def duplicate_emails(person: pd.DataFrame) -> pd.DataFrame:
return person.groupby('email').filter(lambda x: len(x) > 1)[['email']].drop_duplicates().rename(columns={'email': 'Email'})
5. 边界情况与注意事项
- 非 NULL 保证：题目明确
email字段不为 NULL，无需处理 NULL 值 - 大小写：题目说明邮箱无大写字母，无需额外做大小写转换
- 去重要求：重复邮箱只需返回一次，不能多次输出（
DISTINCT或 Pandas 去重可满足）
💡 总结
这道题核心考察 分组聚合（GROUP BY + 聚合函数） 和 分组后筛选（HAVING） ，是 SQL 中处理重复数据的经典基础题型。
