水壶：如何获取每组行的最大日期

Question

我正在使用 Kettle 阅读 Excel 表格，该表格包含三个字段：代码、描述和日期。

示例：

1 - description A - 01/JAN/2013
2 - description A - 15/JAN/2013
3 - description A - 04/JAN/2013
4 - description B - 02/JAN/2013
5 - description B - 16/JAN/2013
6 - description B - 11/JAN/2013

我想要的是为每一行添加一个附加字段 Max date，其中 max date 是基于描述的组的最新日期，如下所示：

示例 2

1 - description A - 01/JAN/2013 - 15/JAN/2013
2 - description A - 15/JAN/2013 - 15/JAN/2013
3 - description A - 04/JAN/2013 - 15/JAN/2013
4 - description B - 02/JAN/2013 - 16/JAN/2013
5 - description B - 16/JAN/2013 - 16/JAN/2013
6 - description B - 11/JAN/2013 - 16/JAN/2013

具有描述 A 的行组的最新日期为 15/JAN/2013（因为第 2 行）。 具有描述 B 的行组的最新日期为 16/JAN/2013（因为第 5 行）。

Answer 1

这是行非规范化步骤的完美工作：

http://wiki.pentaho.com/display/EAI/Row+denormaliser

Answer 2

实际上更容易将数据拆分为两个流（复制到连续步骤）使用流 1 使用 Group Step 并将组基于描述并设置为聚合最大值以查找每个组的最大日期（应该根据您的示例产生两个输出行）。

description A - 15/JAN/2013
description B - 16/JAN/2013

接下来，您为流 2 使用流查找步骤从组步骤中查找 max_date 聚合 - 流 1 使用描述字段作为关键字段，并使用 max_date 聚合作为要检索的值。

请记住，当您使用分组步骤时，有必要对您的数据进行相应的排序。

Answer 3

您可以使用Max 作为数组公式来完成此操作。

因此，假设您在工作表的 A 到 C 列中有原始数据，在单元格 D1 中，您将键入：

=MAX(--($B$1:$B$4=B1)*($C$1:$C$4))

然后，为了使它成为一个数组公式，你点击 CTRL + SHIFT + ENTER

当然，更改列 B 和 C 的范围以匹配您的数据集。

希望这会有所帮助且有意义。