SQL - 通过条件选择的键获取唯一值

Question

我想清理数据集，因为存在不应该存在的重复键。尽管键是重复的，但其他字段确实会发生变化。重复时，我想保留那些country 字段不为空的条目。让我们用一个简化的例子来看看：

|  email  | country |
| 1@x.com |  null   |
| 1@x.com |   PT    |
| 2@x.com |   SP    |
| 2@x.com |   PT    |
| 3@x.com |  null   |
| 3@x.com |  null   |
| 4@x.com |   UK    |
| 5@x.com |  null   |

电子邮件作为键，国家是我要过滤的字段。关于电子邮件重复：

1. 检索国家不为空的条目（案例1）
2. 如果有多个国家不为空的条目，则检索其中一个，为简单起见，第一个出现（案例 2）
3. 如果所有条目的国家/地区均为空，则再次仅检索其中一个（案例 3）
4. 如果输入键不重复，无论是哪个国家，只要检索它（情况4和5）

预期的输出应该是：

|  email  | country |
| 1@x.com |   PT    |
| 2@x.com |   SP    |
| 3@x.com |  null   |
| 4@x.com |   UK    |
| 5@x.com |  null   |

我曾想过做一个 UNION 或某种类型的 JOIN 来实现这一点。一种可能是查询：

SELECT
...
FROM (
   SELECT *
   FROM `myproject.mydataset.mytable`
   WHERE country IS NOT NULL
) AS a
...

然后将其与完整表匹配以添加那些缺少的值，但我无法想象这种方式，因为我对 SQL 的经验有限。

另外，我已经阅读了COALESCE 函数，我认为它可能对任务有所帮助。

Answer 1

考虑以下方法

select *
from `myproject.mydataset.mytable`
where true 
qualify row_number() over(partition by email order by country nulls last) = 1