在 sql 中使用 LAG 跳过特定行答案

【问题标题】：Skip specific rows using LAG in sql在 sql 中使用 LAG 跳过特定行
【发布时间】：2019-11-29 15:21:30
【问题描述】：

我有一张如下所示的表格：

使用 SQL 中的 LAG 函数，我想仅对 star_date=end_date 的值执行 LAG，并获取过去的 start_date 记录，其中 start_date=end_date。我的茶几会有一个额外的列，如下所示：

我希望我的问题很清楚，感谢任何帮助。

【问题讨论】：

【解决方案1】：

您可以为这些值分配一个组并使用它：

select t.*,
       (case when start_date = end_date
             then lag(start_date) over (partition by (case when start_date = end_date then 1 else 0 end) order by start_date)
        end) as prev_eq_start_date
from t;

或者：

select t.*,
       (case when start_date = end_date
             then lag(start_date) over (partition by start_date = end_date order by start_date)
        end) as prev_eq_start_date
from t;

请注意，如果您的数据很大并且大多数行的日期不同，那么您可能会遇到资源问题。在这种情况下，一个额外的、未使用的 partition by 密钥可以提供帮助：

select t.*,
       (case when start_date = end_date
             then lag(start_date) over (partition by (case when start_date = end_date then 1 else 2 end), (case when start_date <> end_date then start_date end) order by start_date)
        end) as prev_eq_start_date
from t;

这对结果没有影响，但可以避免由于不同值的行太多而导致资源错误。

【讨论】：

我相信partition by (StartDate = EndDate)会报语法错误！
@VigneshKumarA 。 . .我已经习惯了使用countif()，以至于我忘记了 BQ 不会将布尔值视为与其他类型相同。
我认为partition by (StartDate = EndDate) 会完美运行！你有没有测试并确认它没有？！
@MikhailBerlyant 。 . .事实上，我确实对其进行了测试，但它产生了一个错误。当然，我可能考错了。我没有按这个问题。
@GordonLinoff - 刚刚测试了你的原始答案（使用partition by (start_date = end_date)），它对我来说非常有效（BigQuery 标准 SQL） - 我认为它足够优雅，可以放弃它：o（显然认为我更喜欢我的回答:o)

【解决方案2】：

以下是 BigQuery 标准 SQL

#standardSQL
SELECT *, NULL AS lag_result
FROM `project.dataset.table` WHERE start_date != end_date
UNION ALL
SELECT *, LAG(start_date) OVER(ORDER BY start_date)
FROM `project.dataset.table` WHERE start_date = end_date

如果应用于您问题中的样本数据 - 结果是

Row user_id start_date  end_date    lag_result   
1   1       2019-01-01  2019-02-28  null     
2   3       2019-02-27  2019-02-28  null     
3   4       2019-08-04  2019-09-01  null     
4   2       2019-02-01  2019-02-01  null     
5   5       2019-08-07  2019-08-07  2019-02-01   
6   6       2019-08-27  2019-08-27  2019-08-07

顺便说一句，如果您的 start_date 和 end_date 是 STRING 数据类型（'27/02/2019'）与 DATE 类型（上面查询中假设的'2019-02-27'） - 你应该使用低于一个

#standardSQL
SELECT *, NULL AS lag_result
FROM `project.dataset.table` WHERE start_date != end_date
UNION ALL
SELECT *, LAG(start_date) OVER(ORDER BY PARSE_DATE('%d/%m/%Y', start_date))
FROM `project.dataset.table` WHERE start_date = end_date

结果

Row user_id start_date  end_date    lag_result   
1   1   01/01/2019      28/02/2019  null     
2   3   27/02/2019      28/02/2019  null     
3   4   04/08/2019      01/09/2019  null     
4   2   01/02/2019      01/02/2019  null     
5   5   07/08/2019      07/08/2019  01/02/2019   
6   6   27/08/2019      27/08/2019  07/08/2019

【讨论】：

【解决方案3】：

使用JOIN

SQL FIDDLE

SELECT T.*,T1.LAG_Result
FROM TABLE T LEFT JOIN 
(
   SELECT User_Id,LAG(start_date) OVER(ORDER BY start_date) LAG_Result
   FROM TABLE S 
   WHERE start_date = end_date
) T1 ON T.User_Id = T1.User_Id

【讨论】：