关于根据 bigquery 中的 2 个值对数据集进行排名的问题

Question

大家好！ 新的stackoverflow。 我在 BigQuery 中遇到 RANK()OVER (PARTITION BY...) 问题。

下表有 3 列。 时间戳、代码和 User_id。 我希望能够为每个代码对这些进行排名，当有一个新的 user_id 时，它应该把它算作一个新值。

rank    timestamp                      Codes            user_id
1       2020-08-21 17:13:37.457 UTC    XF7RNCNT4HF7XT   JR3k3LODRHHG
2       2020-08-24 01:39:21.625 UTC    XF7RNCNT4HF7XT   26a02014-20ae-43b6-b491-bd7292a143c4
2       2020-08-24 01:39:56.815 UTC    XF7RNCNT4HF7XT   26a02014-20ae-43b6-b491-bd7292a143c4
3       2020-08-26 21:30:47.215 UTC    XF7RNCNT4HF7XT   PC1795338
4       2020-08-29 18:54:48.032 UTC    XF7RNCNT4HF7XT   PC9602007

Answer 1

嗯。 . . 我认为您可以使用lag()和累积总和：

select t.*,
       sum(case when prev_code = code then 0 else 1 end) over (partition by code order by timestamp) as ranking
from (select t.*,
             lag(user_id) over (partition by code order by timestamp) as prev_code
      from t
     ) t;

如果某个代码出现多次（由其他用户 ID 分隔），则上面将计算两次用户 ID。 如果您想根据用户的第一次出现来计算用户 ID，则获取最小时间戳并将其与dense_rank() ：

select t.*,
       dense_rank() over (partition by code order by min_timestamp) as ranking
from (select t.*,
             min(timestamp) over (partition by code, user) as min_timestamp
      from t
     ) t;

Answer 2

我了解您只想在每个代码的首次出现日期对每个用户计数一次。 这是使用窗口函数的一种方法：

select t.*, countif(rn = 1) over(partition by code order by timestamp) rnk
from (
    select t.*, row_number() over(partition by code, user_id order by timestamp) rn
    from mytable t
) t

逻辑是根据增加的时间戳枚举每个用户和代码的行。 然后，我们可以只计算外部查询中每组的第一行。