分桶数据，如果桶大小大于 1，则将值设置为 1，否则为 0
Posted
技术标签:
【中文标题】分桶数据，如果桶大小大于 1，则将值设置为 1，否则为 0【英文标题】：Bucketing Data, If Bucket Size Greater Then 1 Set Value To 1 Else 0 【发布时间】：2020-08-31 21:22:34 【问题描述】：我正在使用snowflake 尝试基于两列存储行，如果该存储桶大小大于 1，那么我需要一些新列的值为 1，否则我会将其设置为 0。它类似于NTILE()，只是我需要它是动态的。
我的表格如下所示：
ARTICLE_ID USER_ID COUNTRY_NAME NUM_COUNTRIES NUM_AUTHORS
------------------------------------------------------------------------
30522143 ecf330d Singapore 1 4
30522143 86b0faa Singapore 1 4
30522143 d331b33 Singapore 1 4
30522143 d331b33 Singapore 1 4
------------------------------------------------------------------------
30522139 1d08cfd United States 2 3
30522139 ec9c065 Canada 2 3
30522139 a750bff United States 2 3
------------------------------------------------------------------------
23410385 1d08cfd United States 3 3
23410385 ec9c065 Mexico 3 3
23410385 a41b19c France 3 3
------------------------------------------------------------------------
30285132 d331b33 Chile 2 4
30285132 1d08cf2 Peru 2 4
30285132 a750bff Chile 2 4
30285132 d742bb5 Peru 2 4
------------------------------------------------------------------------
...
我需要存储的两列是ARTICLE_ID，然后是COUNTRY_NAME。查看上表，如果我们采用ARTICLE_ID30522143，我们将拥有1 桶4USER_ID，因为它们都是Singapore，那么HAS_REPEATED_COUNTRY 的值将是1。
在ARTICLE_ID30522139的情况下，我们将有两个子存储桶一个用于United States，其中包含2USER_IDs，另一个子存储桶(Canada)包含1USER_ID，这将导致所有与United States 关联的用户的值都为1，而与Canada 关联的唯一成员在HAS_REPEATED_COUNTRY 中的值为0。
因此表格类似于：
ARTICLE_ID USER_ID COUNTRY_NAME NUM_COUNTRIES NUM_AUTHORS HAS_REPEATED_COUNTRY
------------------------------------------------------------------------------------------------
30522143 ecf330d Singapore 1 4 1
30522143 86b0faa Singapore 1 4 1
30522143 d331b33 Singapore 1 4 1
30522143 d331b33 Singapore 1 4 1
------------------------------------------------------------------------------------------------
30522139 1d08cfd United States 2 3 1
30522139 ec9c065 Canada 2 3 0
30522139 a750bff United States 2 3 1
------------------------------------------------------------------------------------------------
23410385 1d08cfd United States 3 3 0
23410385 ec9c065 Mexico 3 3 0
23410385 a41b19c France 3 3 0
------------------------------------------------------------------------------------------------
30285132 d331b33 Chile 2 4 1
30285132 1d08cf2 Peru 2 4 1
30285132 a750bff Chile 2 4 1
30285132 d742bb5 Peru 2 4 1
------------------------------------------------------------------------------------------------
...
有没有办法从前者生成后者的表？
【问题讨论】：
应该是一个简单的Windowed Aggregate：case when count(*) over (partition by ARTICLE_ID, COUNTRY_NAME) > 1 then 1 else 0 end
【参考方案1】：
您似乎想为给定文章标记多次出现的国家/地区。如果是这样，您可以只使用窗口计数：
select
t.*,
case when count(*) over(partition by article_id, country_name) > 1
then 1 else 0
end as has_repeated_country
from mytable t
【讨论】：
以上是关于分桶数据，如果桶大小大于 1，则将值设置为 1，否则为 0的主要内容，如果未能解决你的问题，请参考以下文章