按 BigQuery 中列段的最大值返回列名

Posted 2023-03-24

【中文标题】按 BigQuery 中列段的最大值返回列名

【英文标题】：Return column name by maximum values for column segment in BigQuery

【发布时间】：2020-06-23 23:03:21

【问题描述】：

我的查询应该是根据列的最大值返回 COLUMN NAME。我尝试使用 CASE WHEN 来解决这个案例。但不知何故会发生此错误，可能是因为我返回列的名称而不是列本身的值：

No matching signature for operator CASE; all THEN/ELSE arguments must be coercible to a common type but found: INT64, STRING; actual argument types (WHEN THEN) ELSE: (BOOL STRING) (BOOL INT64) INT64 at [3:5]

我的代码是：

SELECT
ID,
    CASE
        WHEN col1 >= col2 AND col1 >= col3 AND col1 >= col4 AND col1 >= col5 THEN 'col1 '
        WHEN col2 >= col1 AND col2 >= col3 AND col2 >= col4 AND col2 >= col5 THEN 'col2 '
        ELSE 'col1'                                
    END AS Max_Column_Name
FROM table

示例输入是：

有什么方法可以让这个查询更简单吗？因此，如果有很多列，则无需重复 when..case。其他举措是在post 中使用 GREATEST(col1,col2,col3) 但是，我不确定如何在标准 sql、bigquery 中使用它。

预期输出：

返回每个段（国家、产品、语言）具有最大值的列名，并重命名表结果中的列名。

【问题讨论】：

这些细分是预定义的 - 国家、产品、语言吗？列名的模式是 _XXX ？请澄清一下 6 列也是固定数字还是可以是任何数字

名称的模式与提到的示例输入完全相同。不需要 6 列，可以是任何列，例如在我的情况下会有超过 12 列（例如 Country_XX 有 4 列，Product_XX 有另外 4 列等）

【参考方案1】：

假设您没有NULL 值，您可以使用greatest()：

select (case greatest(country_uk, country_us)
            when country_uk then 'uk' when country_us then 'us'
        end), 
       . . .

你也可以使用数组：

select (select el.what
        from unnest(array['uk' as what, country_uk as val), ('us', country_us)]) el
        order by el.val desc
        limit 1
       ) as country

【讨论】：

@swm 。 . .什么“段”？我不知道你指的是什么。

如果存在多个具有相同最大值的列，则此查询是否支持。 （例如，最高的列名是 UK 和 US）

@swm 。 . .它的作用与您问题中的示例代码相同。您的问题中没有其他解释，因此这似乎是正确的方法。

【参考方案2】：

以下是 BigQuery 标准 SQL 它在某种程度上是非常通用的——如果你有更多或不同的段及其名称——你只需要在大多数外部 SELECT 中反映它——在像 (MAX(IF(segment = 'SegmentName', winner, NULL)) AS SegmentName) 这样的行中，其余的在内部查询中处理

#standardSQL
SELECT id,
  MAX(IF(segment = 'Country', winner, NULL)) AS Country,
  MAX(IF(segment = 'Product', winner, NULL)) AS Product,
  MAX(IF(segment = 'Lang', winner, NULL)) AS Lang
FROM (
  SELECT id, segment, ARRAY_AGG(item ORDER BY col_value DESC LIMIT 1)[OFFSET(0)] winner
  FROM `project.dataset.table` t, 
  UNNEST(ARRAY(
      SELECT AS STRUCT segment, item, SAFE_CAST(col_value AS INT64) AS col_value
      FROM UNNEST(REGEXP_EXTRACT_ALL(TO_JSON_STRING(t), r'"\w+":[^,]+')) kv,
      UNNEST([STRUCT(SPLIT(kv,':')[OFFSET(0)] AS col_name, SPLIT(kv,':')[OFFSET(1)] AS col_value)]) nv,
      UNNEST([STRUCT(SPLIT(TRIM(col_name, '"'), '_')[OFFSET(0)] AS segment, SPLIT(TRIM(col_name, '"'), '_')[OFFSET(1)] AS item)])
      WHERE TRIM(col_name, '"') != 'id'
    )) kv
  GROUP BY id, segment
)
GROUP BY id    

如果适用于您的问题中的示例数据 - 输出是

Row id  Country Product Lang     
1   abc US      A       EN   
2   def UK      B       PH      

注意：最近引入的EXECUTE IMMEDIATE 将允许您进一步概括上述解决方案，因此您甚至无需担心大多数外部 SELECT 中的行 - 我将这个留给您，因为它肯定超出了主要问题范围

【讨论】：

外部 SELECT 中的“段”是预定义的还是来自表？

我使用了我在您的示例中看到的任何内容。如果在您的实际情况下您有不同的 - 只需使用它们 - 将 MAX(IF(segment = 'SegmentName', winner, NULL)) AS SegmentName 替换为您的真实段名称。你最终会在你的外部选择中得到尽可能多的这样的行，就像你拥有的不同的段一样。因此，在您的问题示例中-您有三个部分-因此您有三行-希望它有意义。对我来说听起来很简单，完全按照你的要求做：o）

【参考方案3】：

SELECT TOP 1 T.Col
FROM 
(
   SELECT Country_UK AS colMax,'Country_UK' Col FROM table 
    UNION ALL              
   SELECT Country_US AS colMax,'Country_US' Col FROM table 
    UNION ALL              
   SELECT Product_A AS colMax,'Product_A' Col FROM table 
    UNION ALL             
   SELECT Product_B AS colMax,'Product_B' Col FROM table 
    UNION ALL             
   SELECT Lang_EN AS colMax,'Lang_EN' Col FROM table 
) AS T 
GROUP BY T.Col 
Order by MAX(T.colMax) DESC