Big Query 匹配表之间的记录

Posted 2023-03-24

【中文标题】Big Query 匹配表之间的记录

【英文标题】：Big Query match records between tables

【发布时间】：2020-09-21 21:46:57

【问题描述】：

我有两张桌子：

表A

ID          Gender               BeginDate      
034446         F          2016-01-15T00:00:00
034446         F          2020-02-17T00:00:00
035689         F          2016-01-14T00:00:00
035679         F          2016-01-18T00:00:00
045687         F          2020-05-21T00:00:00

表B

ID            Gender        Date        
34446         F          2016-01-14
35689         F          2016-01-14
35679         F          2016-01-18

我试图弄清楚 TableB 中有多少记录（以及哪些记录）与 Table A 不匹配，以及有多少记录匹配。两个表都有重复的 ID，这就是为什么我还需要使用 Date 字段来匹配记录。 TableB 中的日期字段可能会在表之间间隔一两天。例如，表 B 的第一行应该与表 A 的第一行匹配，而不是第二行。需要有一个声明，说明 TableA 日期字段等于或介于 TableB 日期字段的一两天之间。我试图在下面写一个查询，但日期设置彼此相等。

SELECT a.ID, CONCAT('0',CAST(b.ID AS STRING)), EXTRACT(DATE FROM a.BeginDate) AS date
FROM `dev.tableA` a
LEFT OUTER JOIN `dev.TableB` b
ON a.ID = CONCAT('0',CAST(b.ID AS STRING))
AND EXTRACT(DATE FROM a.BeginDate) = b.Date

【参考方案1】：

如果我没听错，你可以使用exists：

select b.*
from tableb b
where not exists (
    select 1
    from tablea a 
    where a.id = b.id
        and a.begindate >= date_sub(b.date, interval 2 day)
        and a.begindate <= date_add(b.date, interval 2 day)
)

这会带来b 的记录，在a 中不存在与相同id 和日期在+/- 两天内的匹配项。如果确实有必要，您可以在 id 上添加演员表，并根据需要调整边界。

如果您想要总记录数，只需将 b.* 替换为 count(*)。

【讨论】：

谢谢！这正是我想要弄清楚的。