如何从具有重复项的 GROUP BY 中求和不同的值

Posted 2023-03-29

【中文标题】如何从具有重复项的 GROUP BY 中求和不同的值

【英文标题】：How to SUM distinct out of of GROUP BY that have duplicates

【发布时间】：2021-06-02 19:05:43

【问题描述】：

我正在计算四组内每人的平均订单数，我有以下SQL

SELECT      TO_DATE(ORDER_TIME AT TIME ZONE 'UTC' AT TIME ZONE 'US/Pacific','YYYY-MM-DD'),
            GROUP_P,
            COUNT(CASE WHEN ORDER_TIME IS NOT null
                       THEN ORDER_ID END) AS Numerator,
            COUNT(DISTINCT
                  CASE WHEN ORDER_TIME IS NOT null
                       THEN PERSON_ID END) AS Denominator
FROM        ORDER_TAB 
WHERE       TO_DATE(ORDER_TIME AT TIME ZONE 'UTC' AT TIME ZONE 'US/Pacific','YYYY-MM-DD')
BETWEEN     DATEADD( day, -1, current_Date) AND current_Date
GROUP BY    1, 2

我的结果是这样的

to_date     group_p    numerator   denominator
2021-06-01  A          28          20
2021-06-01  B          5           5
2021-06-01  C          1577        1025
2021-06-01  D          1010        765

因为一个person_id 可以在不同的组中，如果我从上表中总结，由于潜在的重复，我不会有准确的分母值。在我下面的代码中，我删除了group by，numerator 总结起来是一样的，但是denominator 越来越少了。

SELECT      TO_DATE(ORDER_TIME AT TIME ZONE 'UTC' AT TIME ZONE 'US/Pacific','YYYY-MM-DD'),

            COUNT(CASE WHEN ORDER_TIME IS NOT null
                       THEN ORDER_ID END) AS Numerator,
            COUNT(DISTINCT
                  CASE WHEN ORDER_TIME IS NOT null
                       THEN PERSON_ID END) AS Denominator
FROM        ORDER_TAB 
WHERE       TO_DATE(ORDER_TIME AT TIME ZONE 'UTC' AT TIME ZONE 'US/Pacific','YYYY-MM-DD')
BETWEEN     DATEADD( day, -1, current_Date) AND current_Date
GROUP BY    1

to_date     numerator   denominator
2021-06-01  2620        1699

由于我们的报告要求，我必须按照group_p 列显示的方式保留输出。

从输出中总结时使用准确的1699 的最佳方法是什么？

【问题讨论】：

请提供样本数据、所需结果、对所需逻辑的清晰解释以及适当的数据库标签。

如果一个人出现在一个多组中，他/她应该计入哪个组？第一次输出的分子值是否正确？

【参考方案1】：

下面的查询将对分母列的 person_id 计数一次（按升序排列的第一组）。为此，我使用了带有公用表表达式的 row_number() 窗口排名函数。

with cte as
(
    SELECT      GROUP_P,
                ORDER_TIME,
                row_number()over(partition by person_id order by group_p) rnk            
    FROM        ORDER_TAB 
    WHERE       TO_DATE(ORDER_TIME AT TIME ZONE 'UTC' AT TIME ZONE 'US/Pacific','YYYY-MM-DD')
    BETWEEN     DATEADD( day, -1, current_Date) AND current_Date
)
select    TO_DATE(ORDER_TIME AT TIME ZONE 'UTC' AT TIME ZONE 'US/Pacific','YYYY-MM-DD'),
          GROUP_P,
          COUNT(CASE WHEN ORDER_TIME IS NOT null
                     THEN ORDER_ID END) AS Numerator,
          COUNT(CASE WHEN ORDER_TIME IS NOT null and rnk=1
                     THEN PERSON_ID END) AS Denominator
from cte