Pandas 的 [df.groupby(...)['col_name'].shift(1)] 的 SQL 等效项

Posted 2023-03-11

【中文标题】Pandas 的 [df.groupby(...)[\'col_name\'].shift(1)] 的 SQL 等效项

【英文标题】：SQL equivalent for Pandas's [df.groupby(...)['col_name'].shift(1)]Pandas 的 [df.groupby(...)['col_name'].shift(1)] 的 SQL 等效项

【发布时间】：2018-10-31 00:10:54

【问题描述】：

我有这段代码，我想把它写成 SQL。有谁知道等效的 SQL 代码是什么样的？

lags = range(1, 5)
df = df.assign(**
    ''.format('lag', t): df.groupby('article_id').num_views.shift(t) for t in lags
)

更新：

我正在寻找 SQL 标准方言。 这是一个数据集示例（部分前 10 行）：

  article_id section time   num_views   comments
0   abc111b     A   00:00   15            0
1   abc111b     A   01:00   36            0
2   abc111b     A   02:00   36            0
3   bbbddd222hf A   03:00   41            0
4   bbbddd222hf B   04:00   44            0
5   nnn678www   B   05:00   39            0
6   nnn678www   B   06:00   38            0
7   nnn678www   B   07:00   66            0
8   nnn678www   C   08:00   65            0
9   nnn678www   C   09:00   87            1

【问题讨论】：

请提供一个小的可重复样本数据集。另请说明您询问的是哪种 SQL 方言...

我更新了我的问题。

【参考方案1】：

可以使用LAG() function，属于SQL-99 ANSI标准"windowing functions"：

select
  article_id, section, time, num_views, comments,
  lag(num_views, 1, 0) over(partition by article_id order by article_id, time) as lag1,
  lag(num_views, 2, 0) over(partition by article_id order by article_id, time) as lag2,
  lag(num_views, 3, 0) over(partition by article_id order by article_id, time) as lag3,
  lag(num_views, 4, 0) over(partition by article_id order by article_id, time) as lag4
from tab;

Complete and working SQLFiddle example...

PSplease be aware that not all RDBMS systems implement "windowing functions"

【讨论】：

写不出这么快，很好:)

@MaxU 太好了，谢谢！只是一个小问题 - 如果我想创建 50 个滞后，我该如何循环执行，这样我就不必为每个滞后重复相同的代码？

@user8436761，只需使用任何编程语言（例如 Python）动态生成 SQL。