Redshift：获取行的排名，按条件过滤

Posted 2023-03-31

【中文标题】Redshift：获取行的排名，按条件过滤

【英文标题】：Redshift: Getting rank of a row, filtered by a condition

【发布时间】：2014-09-09 13:34:18

【问题描述】：

每次我向表中添加一行时，我都想知道与该点之前的表相比它的排名。这可以通过 RANK() 窗口函数轻松完成。但是，我正在努力寻找一种方法来发现它与表格相比的排名，直到那个点按值过滤。

作为一个例子，我想最终得到这个高度做作的表格：

    date    |   name  | animal_bought | num_sloths_bought_before | num_camels_bought_before
------------+---------+---------------+--------------------------+--------------------------
 2014-09-01 | Vincent | sloth         | 0                        | 0
 2014-09-01 | Luis    | camel         | 0                        | 0
 2014-09-02 | Vincent | sloth         | 1                        | 0
 2014-09-02 | Luis    | camel         | 0                        | 1
 2014-09-02 | Kevin   | sloth         | 0                        | 0
 2014-09-03 | Vincent | camel         | 1                        | 0
 2014-09-04 | Deo     | camel         | 0                        | 0
 2014-09-04 | Vincent | sloth         | 2                        | 1
 2014-09-05 | Luis    | camel         | 0                        | 2
 2014-09-05 | Andrew  | sloth         | 0                        | 0

我最初想看看是否可以对窗口函数应用过滤器（例如RANK() OVER(PARTITION BY name WHERE animal_bought = 'sloth' ORDER BY date ASC) AS num_sloths_bought_before），但这在语法上不正确。然后我尝试添加一个子查询，如下：

SELECT
  date,
  name,
  animal_bought,
  ( SELECT
      RANK() OVER(PARTITION BY name ORDER BY date ASC) - 1
    FROM this_table
    WHERE animal_bought = 'sloth'
  ) AS num_sloths_bought_before
FROM source_table

但是 Redshift 抛出了这个错误：

ERROR:  This type of correlated subquery pattern is not supported yet

我还尝试将窗口函数放在 case 语句中（引发相同的错误）并在连接查询中计算排名（无法使其工作）。

【参考方案1】：

嗯。我不认为这个查询会做你想做的事：

SELECT date, name, animal_bought,
       (SELECT RANK() OVER(PARTITION BY name ORDER BY date ASC) - 1
        FROM this_table
        WHERE animal_bought = 'sloth'
       ) AS num_sloths_bought_before
FROM source_table

有几个原因：

rank() 的使用表明this_table 中有不止一行匹配animal_bought。否则，您可以使用聚合函数。 如果只有一行与where 子句匹配，则该值始终为1，因为where 子句在rank() 之前处理。 您的问题只提到一个表，但您的查询有两个

也许您只想要没有子查询的rank()？

SELECT date, name, animal_bought,
       RANK() OVER (PARTITION BY name, animal ORDER BY date ASC) - 1 as NumberBoughtBefore
FROM source_table;

如果你想对两种动物都使用它，那么不要使用rank()，使用累积和：

SELECT date, name, animal_bought,
       sum(case when animal = 'sloth' then 1 else 0 end) over (partition by name order by date) as SlothsBefore,
       sum(case when animal = 'camel' then 1 else 0 end) over (partition by name order by date) as CamelsBefore
FROM source_table;

编辑：

SELECT date, name, animal_bought,
       (sum(case when animal = 'sloth' then 1 else 0 end) over (partition by name order by date) -
        (case when animal = 'sloth' then 1 else 0 end)
       ) as SlothsBefore,
       (sum(case when animal = 'camel' then 1 else 0 end) over (partition by name order by date) -
        (case when animal = 'camel' then 1 else 0 end)
       ) as CamelsBefore
FROM source_table;

【讨论】：

谢谢，戈登。不幸的是，这会生成一个表格，其中包含一个名字在每一行上购买动物的总次数，而不是它在该行之前发生的总次数。即：Vincent 的每一行在sloths_bought 中都有一个 3，在camel_bought 中有一个 1，而不是逐行增加。

@Serenthia 。 . .只需减去 1 或在分区中使用 range/rows 子句。

恐怕这会产生相同的结果 - SUM() 会计算事件发生的所有时间，然后将相同的总数放在该人的每一行中。我需要在每一行上使用不同的数字（由RANK() 函数产生）。再次感谢您的意见！

@Serenthia 。 . . sum() . . . over 是不产生累积和吗？ order by 应该是累积的。

对不起 - 我不得不把它放下一段时间。返回时，我发现您的解决方案确实有效。它只是缺少框架子句ROWS UNBOUNDED PRECEDING。它以前不起作用的原因是因为我的框架条款不正确。非常感谢您的意见！