在 Redshift Postgres 中选择多数行名称的窗口函数答案

【问题标题】：Window function to select the name of the majority row in Redshift Postgres在 Redshift Postgres 中选择多数行名称的窗口函数
【发布时间】：2018-03-14 01:32:44
【问题描述】：

我有一个这样的数据集，其中一些行很有用，但已损坏。

create table pages (
  page varchar,
  cat varchar,
  hits int
);

insert into pages values
(1, 'asdf', 1),
(1, 'fdsa', 2),
(1, 'Apples', 321),
(2, 'gwegr', 30),
(2, 'hsgsdf', 2),
(2, 'Bananas', 321);

我想知道每个页面的正确类别以及总点击量。正确的类别是点击次数最多的类别。我想要一个像这样的数据集：

page | category | sum_of_hits
-----------------------------
1    | Apples   |  324
2    | Bananas  |  353

我能得到的最远距离是：

SELECT page,
       last_value(cat) over (partition BY page ORDER BY hits) as category,
       sum(hits) as sum_of_hits
FROM pages
GROUP BY 1, 2

但它出错了：ERROR: column "pages.hits" must appear in the GROUP BY clause or be used in an aggregate function Position: 83。

我尝试将点击数汇总 - ORDER BY max(hits) 但这没有意义，也不是我想要的。

小提琴：http://sqlfiddle.com/#!17/cb3c2/17

【问题讨论】：

标签： sql amazon-redshift window-functions

【解决方案1】：

您似乎希望将点击次数的总和和设为最大值。这很容易：

select page, sum(hits) as total_hits,
       max(case when seqnum = 1 then category end) as category
from (select p.*,
             row_number() over (partition by page order by hits desc) as seqnum
      from pages p
     ) p
group by page;

【讨论】：

【解决方案2】：

使用子查询：

select page, cat, hits from
    (select page, cat, hits 
     ,max(hits) over (partition by page) as m_hits 
     from pages) t
where m_hits = hits

【讨论】：

【解决方案3】：

这里有两个问题：

首先是last_value的用法。阅读Postgres documentation 中关于最后一个值的注释：

请注意，first_value、last_value 和 nth_value 只考虑 “窗口框架”中的行，默认情况下包含行从分区的开始到当前的最后一个对等点排。这可能会给 nth_value 和特别是最后一个值。您可以将框架重新定义为整体通过在 UNBOUNDED PRECEDING 和 UNBOUNDED 之间添加 ROWS 进行分区 FOLLOWING 到 OVER 子句。有关详细信息，请参阅第 4.2.8 节。

我建议你将其转换为 first_value：

SELECT page,
       first_value(cat) over (partition BY page ORDER BY hits DESC) as category,
       hits
FROM pages

第二个问题是不能直接在GROUP BY子句中使用窗口函数，需要使用子查询或者cte：

select page, category,
       sum(hits)
from (
SELECT page,
       first_value(cat) over (partition BY page ORDER BY hits DESC) as category,
       hits
FROM pages
) a
GROUP BY 1, 2

SQL Fiddle

【讨论】：

【解决方案4】：

在派生表中使用窗口函数first_value() 与hits 的相反顺序（FROM 子句中的子查询）：

select 
    page, 
    category,
    sum(hits) as sum_of_hits
from (
    select
        page,
        first_value(cat) over (partition by page order by hits desc) as category,
        hits
    from pages
    ) s
group by 1, 2
order by 1;

SqlFiddle.

【讨论】：