选择不同的 customer_id

Question

我想为article_id 级别上的每个store_id计数：

• 有多少共享article_id's 分别首先到达 store_A 和 store_B。

• 如果 arrival_timestamp 为例如article_id=2 for store_A

请看下面的例子：

主表

arrival_timestamp           article_id   store_id

2019-04-01 11:04             2            A
2019-04-01 13:12             2            B
2019-04-01 08:24             4            A
2019-04-01 10:24             4            B
2019-04-10 07:00             7            A
2019-04-10 10:14             7            B
2019-04-23 07:34             9            A
2019-04-23 05:52             9            B

输出表

storeA_count_first_articles     storeB_count_first_articles
3                                1

Answer 1

您可以使用两个级别的聚合：

select
    sum(case when arrival_timestamp_a < arrival_timestamp_b then 1 else 0 end) storeA_count_first_articles,
    sum(case when arrival_timestamp_b < arrival_timestamp_a then 1 else 0 end) storeB_count_first_articles
from (
    select 
        article_id,
        min(case when store_id = 'A' then arrival_timestamp end) arrival_timestamp_a,
        min(case when store_id = 'B' then arrival_timestamp end) arrival_timestamp_b
    from mytable
    group by article_id
) t

子查询使用条件聚合来计算每篇文章在 eacn 商店中的首次到达日期。然后，外层查询比较每篇文章的初到时间戳并产生最终结果。

另一个选项使用row_number()，它避免了子查询中的条件逻辑和聚合：

select 
    sum(case when store_id = 'A' then 1 else 0 end) storeA_count_first_articles,
    sum(case when store_id = 'B' then 1 else 0 end) storeB_count_first_articles
from (
    select 
        t.*, 
        row_number() over(partition by article_id order by arrival_timestamp) rn
    from mytable t
) t
where rn = 1

Answer 2

我不熟悉 Presto，但我认为这应该基于他们的文档。此答案是通用解决方案，无需在查询中具体命名 Store A 和 Store B。

SELECT
    q.first_store_id AS store_id,
    COUNT(*) AS count_first_articles
FROM
    (
        SELECT
            article_id,
            first_value( store_id ) OVER ( ORDER BY arrival_timestamp ) AS first_store_id
        FROM
            table
        GROUP BY
            article_id
    ) AS q
GROUP BY
    first_store_id

这适用于任意数量的store_id 值，无需手动定义每一列 - 因为结果是面向行而不是面向列的，所以它们更容易在应用程序代码中处理。如果您仍然想要命名列，您可以在外部查询中执行此操作或使用PIVOT/UNPIVOT（嗯，apparently Presto doesn't support PIVOT yet - 但您仍然可以在应用程序代码中执行此操作）

你会得到这样的结果：

store_id        count_first_articles
      A                            3
      B                            1

The magic is in the first_value which is a Window Function，Presto 内置了一组不错的窗口函数。

要将基于行的结果转换为基于列的原始示例输出，请执行以下操作：

SELECT
    SUM( CASE WHEN q2.store_id = 'A' THEN q2.count_first_articles END ) AS storeA_count_first_articles,
    SUM( CASE WHEN q2.store_id = 'B' THEN q2.count_first_articles END ) AS storeB_count_first_articles
FROM
    (
        SELECT
            q.first_store_id AS store_id,
            COUNT(*) AS count_first_articles
        FROM
            (
                SELECT
                    article_id,
                    first_value( store_id ) OVER ( ORDER BY arrival_timestamp ) AS first_store_id
                FROM
                    table
                GROUP BY
                    article_id
            ) AS q
        GROUP BY
            first_store_id
    ) AS q2

给予：

storeA_count_first_articles     storeB_count_first_articles
3                                1

虽然这个答案表面上比其他答案更复杂（嗯，更多嵌套），但它是一个通用解决方案，当您想查看除@987654331 之外的更多商店时，不需要修改@和'B'。

Answer 3

您可以使用两个级别的聚合。一种方法是：

select sum(case when first_store_id = 'A' then 1 else 0 end) as first_a,
       sum(case when first_store_id = 'B' then 1 else 0 end) as first_b       
from (select distinct article_id,
             first_value(store_id) over (partition by article_id order by arrival_timestamp) as first_store_id
      from t
     ) t;

注意：内部聚合使用select distinct 是为了方便。外部聚合不使用group by，因为您只需要结果集中的一行。

这也可以使用 min_by() 和显式聚合在 Presto 中编写：

select sum(case when first_store_id = 'A' then 1 else 0 end) as first_a,
       sum(case when first_store_id = 'B' then 1 else 0 end) as first_b       
from (select article_id, min_by(store_id, arrival_timestamp) as first_store_id
      from t
      group by article_id
     ) t;

注意：这两个查询都假设您没有其他商店。如果您这样做并且您只关心这两个，请在查询中添加 where store_id in ('A', 'B')。