当组归属取决于前一行时，如何在 postgresql 中标记组？

Question

我想在请求中用最后一个已知值填充所有 Null 值。 当它在表中而不是在请求中时，很容易：

如果我按如下方式定义和填写表格：

CREATE TABLE test_fill_null (
    date INTEGER,
    value INTEGER
);

INSERT INTO test_fill_null VALUES 
    (1,2),
    (2, NULL), 
    (3, 45), 
    (4,NULL), 
    (5, null);

SELECT * FROM test_fill_null ;
 date | value 
------+-------
    1 |     2
    2 |      
    3 |    45
    4 |      
    5 |      

那我只需要这样填写：

UPDATE test_fill_null t1
SET value = (
    SELECT t2.value 
    FROM test_fill_null t2 
    WHERE t2.date <= t1.date AND value IS NOT NULL 
    ORDER BY t2.date DESC 
    LIMIT 1
);

SELECT * FROM test_fill_null;
 date | value 
------+-------
    1 |     2
    2 |     2
    3 |    45
    4 |    45
    5 |    45

但是现在，我有一个请求，就像这个：

WITH
    pre_table AS(
        SELECT 
            id1,
            id2,
            tms,
            CASE 
                WHEN tms - lag(tms) over w < interval '5 minutes' THEN NULL
                ELSE id2
            END as group_id
        FROM
            table0 
        window w as (partition by id1 order by tms)
    )

当前一个点距离超过 5 分钟时，group_id 设置为 id2，否则为 null。通过这样做，我希望得到一组彼此跟随不到 5 分钟的点，并且每组之间的间隔超过 5 分钟。

那我不知道该怎么办了。我试过了：

    SELECT distinct on (id1, id2)
        t0.id1,
        t0.id2,
        t0.tms,
        t1.group_id
    FROM
        pre_table t0
        LEFT JOIN (
            select
                id1,
                tms,
                group_id
            from pre_table t2
            where t2.group_id is not null
            order by tms desc
        ) t1
        ON 
            t1.tms <= t0.tms AND
            t1.id1 = t0.id1  
    WHERE 
        t0.id1 IS NOT NULL
    ORDER BY
        id1,
        id2,
        t1.tms DESC

但在最终结果中，我有一些连续两个点相距超过 5 分钟的组。在这种情况下，它们应该是两个不同的组。

Answer 1

“选择中的选择” 通常称为“子选择”或“子查询”。在您的特定情况下，它是一个相关子查询。 LATERAL 连接（postgres 9.3 中的新功能）可以在很大程度上用更灵活的解决方案替换相关子查询：

• What is the difference between LATERAL and a subquery in PostgreSQL?

我认为你在这里也不需要。

对于您的第一种情况，此查询可能更快更简单：

SELECT date, max(value) OVER (PARTITION BY grp) AS value
FROM  (
   SELECT *, count(value) OVER (ORDER BY date) AS grp
   FROM   test_fill_null
   ) sub;

count() 只计算非空值，因此grp 会随着每个非空value 递增，从而根据需要形成组。在外部SELECT 中为每个grp 选择一个 非空value 很简单。

---

对于您的第二种情况，我假设行的初始顺序由(id1, id2, tms) 确定，如您的一个查询所示。

SELECT id1, id2, tms
     , count(step) OVER (ORDER BY id1, id2, tms) AS group_id
FROM  (
   SELECT *, CASE WHEN lag(tms, 1, '-infinity') OVER (PARTITION BY id1 ORDER BY id2, tms)
                       < tms - interval '5 min'
                  THEN true END AS step
   FROM   table0
   ) sub
ORDER  BY id1, id2, tms;

适应您的实际订单。其中之一可能涵盖它：

PARTITION BY id1 ORDER BY id2  -- ignore tms
PARTITION BY id1 ORDER BY tms  -- ignore id2

SQL Fiddle 带有扩展示例。

相关：

• Select longest continuous sequence

Answer 2

在编辑我的问题时，我找到了解决方案。虽然它非常低，比我在表格中的示例要低得多。有什么改进的建议吗？

    SELECT
        t2.id1,
        t2.id2,
        t2.tms,
        (
            SELECT t1.group_id 
            FROM pre_table t1 
            WHERE 
                t1.tms <= t2.tms 
                AND t1.group_id IS NOT NULL 
                AND t2.id1 = t2.id1
            ORDER BY t1.tms DESC 
            LIMIT 1
        ) as group_id
    FROM
        pre_table t2
    ORDER BY
        t2.id1
        t2.id2
        t2.tms

正如我所说，选择中的选择