BigQuery 标准 SQL - （几乎）重复行的累积计数

Question

有以下数据：

id	field	eventTime
1	A	1
1	A	2
1	B	3
1	A	4
1	B	5
1	B	6
1	B	7

出于可视化目的，我想把它变成下面的样子。相同field 值的连续出现本质上会聚合为一个。

id	field	eventTime
1	Ax2	1
1	B	3
1	A	4
1	Bx3	5

然后我将使用STRING_AGG() 将其转换为"Ax2 > B > A > Bx3"。

我已经尝试使用ROW_NUMBER()来计算重复实例，计划是使用最高行号来修改field中的字符串，但是如果我在eventTime上进行分区，则没有连续的“重复”，如果我不对它进行分区，那么所有具有相同 field 值的行都会被计算在内 - 而不仅仅是连续的。

我虽然将之前的field 和LAG() 引入比较以重置行数，但这仅适用于从一个field 值到另一个值的转换，如果相同的@987654333 是一个问题@ 连续重复。

我一直在努力解决这个问题，以至于我正在考虑编写一个脚本，使 CASE WHENs 达到合理的连续点击次数，但我看到它在给定的情况下高达 17一天，真的不想那样做！

我的另一种选择是强制使用最大数量的 field 值来帮助控制这一点，但现在我已经开始了这个问题，如果可能的话，我很想在没有它的情况下解决它。

谢谢！

Answer 1

考虑下面

select id, 
  any_value(field) || if(count(1) = 1, '', 'x' || count(1)) field, 
  min(eventTime) eventTime 
from (
  select id, field, eventTime, 
    countif(ifnull(flag, true)) over(partition by id order by eventTime) grp 
  from (
    select id, field, eventTime,
      field != lag(field) over(partition by id order by eventTime) flag
    from `project.dataset.table`
  )
)
group by id, grp
# order by eventTime           

如果应用于您问题中的样本数据 - 输出是

Answer 2

只需使用lag() 来检测field 的值何时发生变化。您现在可以使用 qualify 来做到这一点：

select t.*
from t
where 1=1
qualify lag(field, 1, '') over (partition by id order by eventtime) <> field;

对于最后一步，您可以使用子查询：

select id, string_agg(field, '->' order by eventtime)
from (select t.*
      from t
      where 1=1
      qualify lag(field, 1, '') over (partition by id order by eventtime) <> field
     ) t
group by id;