如何根据行日差和分区对 SQL 中的列进行排名？

Posted 2023-05-09

【中文标题】如何根据行日差和分区对 SQL 中的列进行排名？

【英文标题】：How do I Rank column in SQL based on row day-difference and partition?

【发布时间】：2020-04-19 23:07:36

【问题描述】：

我正在尝试根据行差异

select hotel.*,
IFNULL(datediff(visit_date, lag(visit_date)
OVER (partition by hotel_id)), 0) as diff
from hotel;

我得到以下输出，

hotel_id customer_id  visit_date  diff
1            1        2020-01-01    0
1            2        2020-01-03    2
2            1        2020-01-01    0
2            2        2020-01-10    9
2            3        2020-01-14    4
3            1        2020-01-04    0
3            1        2020-01-11    7

我被 RANK() 部分卡住了。

预期输出： 如果 Day Difference 小于 3，则为 1，否则为 2。如果下一个大于 3 天，则为 3，依此类推

hotel_id customer_id  visit_date  rank
1            1        2020-01-01    1
1            2        2020-01-03    1
2            1        2020-01-01    1
2            2        2020-01-10    2
2            3        2020-01-14    3
3            1        2020-01-04    1
3            1        2020-01-11    2

【问题讨论】：

您说“如果日差小于 3，则为 1，否则为 2”，但表中的最后一个条目为 rank = 3，这是如何工作的？

@Nick 这是我的 SQL。还有，是的！如果日差小于 3，则为 1，否则为 2、3、4，依此类推。只有当日差不小于 3 时，排名才会增加

那么如果 diff 回落到

@Nick 当 rank = 3，并且下一个 customer_id 天差

【参考方案1】：

您可以使用此查询来生成您的rank 值。它使用几个CTEs，第一个为每次访问生成行号（基于每个酒店），第二个（递归）CTE 生成rank 值，遍历从第一个 CTE 并且仅在日期差异超过 2 天时增加 rank：

WITH RECURSIVE hotel_rows AS (
  SELECT hotel_id, customer_id, visit_date,
         ROW_NUMBER() OVER (PARTITION BY hotel_id ORDER BY visit_date) AS rn
  FROM hotel
  ORDER BY hotel_id, visit_date
),
ranks AS (
  SELECT hotel_id, customer_id, visit_date, rn, 1 AS `rank`
  FROM hotel_rows
  WHERE rn = 1
  UNION ALL
  SELECT h.hotel_id, h.customer_id, h.visit_date, h.rn,
         r.rank + (h.visit_date > r.visit_date + INTERVAL 2 DAY)
  FROM hotel_rows h
  JOIN ranks r ON h.hotel_id = r.hotel_id
              AND h.rn = r.rn + 1
)
SELECT SELECT hotel_id, customer_id, visit_date, `rank`
FROM ranks
ORDER BY hotel_id, visit_date

输出（用于我稍微扩展的演示）：

hotel_id    customer_id     visit_date  rank
1           1               2020-01-01  1
1           2               2020-01-03  1
2           1               2020-01-01  1
2           2               2020-01-10  2
2           3               2020-01-14  3
2           1               2020-01-15  3
2           2               2020-01-20  4
3           1               2020-01-04  1
3           1               2020-01-11  2

Demo on dbfiddle

【讨论】：

更正。如果日差小于 3，则为 1，否则为 2、3、4，依此类推。只有当日差不小于 3 时，排名才会增加

@AmoghKatwe 请查看我的编辑。我认为这会做你想要的。

@AmoghKatwe 不用担心 - 我很高兴能提供帮助。

【参考方案2】：

如果您希望根据给定条件获得结果，那么您可以在 SQL Server 中尝试以下操作。这是Demo

select
  hotel_id, 
  customer_id, 
  visit_date,
  case 
    when days < 3 then 1
    else 2
  end as rnk
from
(
  select
    *,
    datediff(day, n_date, visit_date) as days
  from
  (
      select
        *,
        coalesce(lag(visit_date) over (partition by hotel_id order by visit_date), visit_date) as n_date

      from hotel
  ) val
)days

【参考方案3】：

我会这样表达：

select h.*,
       (case when lag(visit_date) over (partition by hotel_id order by visit_date) < visit_date - interval 3 day
             then 2 else 1
       end)
from hotel h;

编辑；

根据您的修改点，您想根据日期差异分配组，然后使用row_number()：

select h.*,
       1 + sum( coalesce(visit_date > prev_vd + interval 3 day, 0) ) over (partition by hotel_id order by visit_date) as grp
from (select h.*,
             lag(visit_date) over (partition by hotel_id order by visit_date) as prev_vd
      from hotel h
     ) h;

Here 是一个 dbfiddle。

【讨论】：

更正。如果日差小于 3，则为 1，否则为 2、3、4，依此类推。只有当日差不小于 3 时，排名才会增加

@AmoghKatwe 。 . .这澄清了很多——我看到你编辑了这个问题。对于此类问题，我强烈推荐使用窗口函数而不是递归 CTE。

您的方法部分正确。除了，当值需要为 1 时，它是 0，当它应该是 2 时它是 1

@AmoghKatwe 。 . .我修复了它——答案比我想象的要简单——并添加了一个 dbfiddle.

绝对同意你关于“更简单”的部分。我对一些随机数据（10000 个条目）进行了一些测试，对于这个特定的示例，CTE 似乎实际上更快一些。可能在噪音中。