BigQuery - 按第二个表中存在的值过滤数据

Posted 2023-03-25

【中文标题】BigQuery - 按第二个表中存在的值过滤数据

【英文标题】：BigQuery - filter data by values present in a second table

【发布时间】：2017-04-18 13:36:12

【问题描述】：

我需要从一个表中过滤谷歌分析数据，并按第二个表中的数据进行过滤。

我使用的查询如下：

SELECT 
fullvisitorid,visitNumber,

max(case when hits.customdimensions.index = 30 then 
hits.customdimensions.value end) login_id

FROM [table_1]
GROUP EACH BY fullvisitorid,visitNumber

我有第二个表 table_2，其中包含一个特别感兴趣的 login_id 列表（它们只是 table_1 中的一小部分）。 我想做的是通过table_2中包含的login_id过滤table_1中的数据，所以当我查询table_1时只返回那些login_id。 感谢所有帮助。

编辑：

上述查询返回一个如下所示的表（来自 table_1 的数据）：

Row fullvisitorid       visitNumber  login_id    
10  8812091098272426348    1         
11  8812203501855327426    3         
12  8813941868399328770    15        
13  8814004579217219789    1         
14  8814073006630329047    102       6kena7aeq1sc312porfhyf  
15  8814073006630329047    103       6kena7aeq1sc312porfhyf  
16  8814200803368464684    257       
17  8814344603188097744    1         
18  8814410578161636902    94        

Table_2 如下所示：

Row login_id     
1   user_id  
2   00015mY5EVDsSgFlDDq3EU   
3   006rcSwDU1r8fiGnCIBCOZ   
4   008ZM8TeCwo3V8Lcyip3rT   
5   008nzvMgSF4Ir94ja04lXl   
6   00DFrm85sK0tDUm96Kedkw   
7   00GLa0WE0sq1Np4bvtmL9j

当我测试以下内容时，我收到一条错误消息，上面写着“无法对重复字段 hits.customdimensions.value 进行分区”。我怀疑使用 case/end 可能会把事情搞砸。

SELECT 
fullvisitorid,visitNumber,

max(case when hits.customdimensions.index = 30 then 
hits.customdimensions.value end) as login_id

FROM [table_1] as t1
inner join [table_2] as t2 on t2.login_id 
= t1.hits.customdimensions.value

GROUP EACH BY fullvisitorid,visitNumber

感谢任何帮助。期望的结果是只返回 table_1 中 login_id 与 table_2 匹配的数据。

【参考方案1】：

在下面尝试（它适用于 BigQuery Legacy SQL，因为它是您的问题所在）

#legacySQL
SELECT
  fullvisitorid, 
  visitNumber,
  t2.login_id AS login_id
FROM (
  SELECT 
    fullvisitorid, 
    visitNumber,
    MAX(CASE WHEN hits.customdimensions.index = 30 
      THEN hits.customdimensions.value END
    ) AS login_id
  FROM [table_1]
  GROUP BY fullvisitorid, visitNumber
) AS t1
JOIN [table_2] AS t2
ON t2.login_id = t1.login_id

【参考方案2】：

select 
    t1.fullvisitorid,
    t1.visitNumber
FROM        
    (SELECT 
    fullvisitorid,visitNumber,

    max(case when hits.customdimensions.index = 30 then 
    hits.customdimensions.value end) login_id

    FROM [table_1]) as t1
inner join [table_2] as t2 on t2.login_id = t1.login_id
GROUP EACH BY fullvisitorid,visitNumber

或许应该是

 inner join [table_2] as t2 on t2.login_id = t1.hits.customdimensions.value

无论如何，内部连接是您需要的解决方案。

【讨论】：

感谢您的帮助，感觉好像我到了某个地方；但现在它抛出了“无法加入重复字段 hits.customDimensions.value”。有什么想法吗？

嗯，实际上你可以尝试加入子查询（更新了答案）。可能您还需要将 GROUP EACH BY 移动到子查询