如何为不同的观察组使用 LAG 和 LEAD 窗口函数

Posted 2023-03-31

【中文标题】如何为不同的观察组使用 LAG 和 LEAD 窗口函数

【英文标题】：How to use LAG & LEAD window functions for different groups of observations

【发布时间】：2019-12-02 13:48:24

【问题描述】：

这是一个关于使用 Spark SQL 在 Databricks 上使用 LAG 和 LEAD 窗口函数的问题，但我认为该问题不一定与特定的 SQL 方言有关。

我有一个列出不同客户 (ID) 访问的输入表和一个指示“特殊访问”的标志：

ID | date       | special_visit
-------------------------------
A  | 2018-01-01 | 0            
A  | 2018-02-01 | 1            
A  | 2018-03-01 | 1            
B  | 2018-01-02 | 0            
B  | 2018-02-02 | 0            
B  | 2018-03-02 | 1             

我想要创建的是下表：

ID | date       | special_visit | prev_visit | next_visit | prev_special_visit | next_special_visit
---------------------------------------------------------------------------------------------------
A  | 2018-01-01 | 0             | NULL       | 2018-02-01 | NULL               | 2018-02-01
A  | 2018-02-01 | 1             | 2018-01-01 | 2018-03-01 | NULL               | 2018-03-01  
A  | 2018-03-01 | 1             | 2018-02-01 | NULL       | 2018-02-01         | NULL
B  | 2018-01-02 | 0             | NULL       | 2018-02-02 | NULL               | 2018-03-02
B  | 2018-02-02 | 0             | 2018-01-02 | 2018-03-02 | NULL               | 2018-03-02
B  | 2018-03-02 | 1             | 2018-02-02 | NULL       | NULL               | NULL

对于每次访问，它都会向我显示下一次/上一次访问（每次特殊访问也算作“正常”访问）以及每个 ID 的下一次/上一次特殊访问。

到目前为止我得到的是以下输出：

ID | date       | special_visit | prev_visit | next_visit | prev_special_visit | next_special_visit
---------------------------------------------------------------------------------------------------
A  | 2018-01-01 | 0             | NULL       | 2018-02-01 | NULL               | NULL
A  | 2018-02-01 | 1             | 2018-01-01 | 2018-03-01 | NULL               | 2018-03-01  
A  | 2018-03-01 | 1             | 2018-02-01 | NULL       | 2018-02-01         | NULL
B  | 2018-01-02 | 0             | NULL       | 2018-02-02 | NULL               | NULL
B  | 2018-02-02 | 0             | 2018-01-02 | 2018-03-02 | NULL               | NULL
B  | 2018-03-02 | 1             | 2018-02-02 | NULL       | NULL               | NULL

使用此查询：

WITH special_visits AS (
SELECT  ID
       ,date
       ,LAG(date) OVER (PARTITION BY ID ORDER BY date) AS prev_special_visit
       ,LEAD(date) OVER (PARTITION BY ID ORDER BY date) AS next_special_visit
FROM input
WHERE special_visit = 1)

SELECT ID
      ,special_visit
      ,LAG(date) OVER (PARTITION BY ID ORDER BY date) AS prev_visit
      ,LEAD(date) OVER (PARTITION BY ID ORDER BY date) AS next_visit
      ,special_visits.prev_special_visit
      ,special_visits.next_special_visit
FROM input
LEFT JOIN special_visits USING(ID, date)

这里的问题是，如果观察（行）本身是特殊访问，我只能观察上一次/下一次特殊访问。我希望像这样的窗口函数中的某种过滤器可能会起作用：

LAG(date) OVER (PARTITION BY ID ORDER BY date WHERE special_visit = 1) AS prev_special_visit 

但不幸的是，它不起作用。您知道如何创建所需的输出吗？ 非常感谢！

【参考方案1】：

我不认为 LEAD() 和 LAG() 最适合这个。而是：

SELECT ID, date,
       LAG(date) OVER (PARTITION BY ID ORDER BY date) AS prev_visit,
       LEAD(date) OVER (PARTITION BY ID ORDER BY date) AS next_visit,
       MAX(CASE WHEN special_visit = 1 THEN date END) OVER (PARTITION BY ID ORDER BY DATE ROWS BETWEEN UNBOUNDED PRECEDING AND 1 PRECEDING) as prev_special_visit,
       MIN(CASE WHEN special_visit = 1 THEN date END) OVER (PARTITION BY ID ORDER BY DATE ROWS BETWEEN 1 FOLLOWING AND UNBOUNDED FOLLOWING) as next_special_visit
FROM input

【讨论】：

嗨，戈登，我在 SQLFiddle 上测试了您的查询：sqlfiddle.com/#!17/404d1/3（我希望此链接有效，您可以看到结果。）但不幸的是，它没有产生预期的结果。

好的，您只需删除订单规范“DESC”，然后它就可以正常工作了。泰！

【参考方案2】：

假设日期一直在增加，您可以使用行框进行条件min()s 和max()s，如下所示：

select 
    t.*,
    lag(date) over(partition by id order by date) pre_visit,
    lead(date) over(partition by id order by date) next_visit,
    max(case when special_visit = 1 then date end) over(
        partition by id 
        order by date
        row between unbounded preceding and 1 preceeding
    ) prev_special_visit,
    min(case when special_visit = 1 then date end) over(
        partition by id 
        order by date
        row between 1 following and unbounded following
    ) next_special_visit
from input t

【讨论】：

此查询运行良好。我只需要删除一些错别字： - “row” 到 “rows” - “preceeding” 到 “preceding” 谢谢！