PySpark/SQL 加入非唯一键

Posted 2023-04-15

【中文标题】PySpark/SQL 加入非唯一键

【英文标题】：PySpark/SQL joining on non unique key

【发布时间】：2020-03-23 17:39:22

【问题描述】：

我有两个需要加入的事务表；但是，这两个表之间没有明确的联系：

对于 t1，我有：

unique_id | date | units

对于 t2 我有：

unique_id | date | store_id | transaction_key

我想要的输出是根据 store_id 获得单位；但是，当我在 t1 上使用 unique_id 和日期进行左连接时，在某些情况下，客户在同一天进行了多次交易，这给了我交易密钥的重复。

添加了示例数据和输出：

表一和表二：

当前输出：

期望的输出：

【问题讨论】：

请提供样本数据和预期结果。

@GMB 嘿 GMB，已添加。感谢您对此的任何帮助。

是 SQL 查询的“当前输出”吗？如果是这样，读者可以在问题中看到它吗？

【参考方案1】：

我认为您想要一个left join，但将row_number() 作为匹配条件：

select t1.unique_id, t1.date, t1.units, t2.store_id, t2.transaction_key
from (
    select t1.*, row_number() over(partition by unique_id, date order by units) rn
    from table1 t1
) t1
left join (
    select t2.*, row_number() over(partition by unique_id, date order by transaction_key) rn
    from table2 t2
) t2
    on t2.unique_id = t.unique_id and t2.date = t1.date and t2.rn = t1.rn