SQL：如何基于多个分区创建另一个“最大”分类值列？

Question

我有这张表（table_2），它基本上提供了患者信息和他们在特定日期访问的部门 -

患者 ID	部	service_dte	出生日期	数数
12345	心脏	21 年 1 月 2 日	78 年 6 月 18 日	5
12345	心脏	21 年 8 月 20 日	78 年 6 月 18 日	5
12345	心脏	21 年 10 月 28 日	78 年 6 月 18 日	5
12345	邻	21 年 1 月 14 日	78 年 6 月 18 日	2
12345	邻	21 年 7 月 7 日	78 年 6 月 18 日	2
12345	心脏	21 年 8 月 20 日	78 年 6 月 18 日	5
12345	心脏	21 年 4 月 19 日	78 年 6 月 18 日	5
12345	妇产科	21 年 4 月 1 日	78 年 6 月 18 日	1
78645	神经	21 年 5 月 1 日	87 年 7 月 18 日	2
78645	神经	21 年 7 月 7 日	87 年 7 月 18 日	2
78645	耳鼻喉科	21 年 7 月 7 日	87 年 7 月 18 日	1
32423	胃	21 年 11 月 7 日	57 年 3 月 12 日	1

我希望我想要的 output 生成一个附加列（最大），为每个“Patient_ID”提供最高重复“部门”，同时保持所有列不变，类似于下表 -

患者 ID	部	service_dte	出生日期	数数	最大限度
12345	心脏	21 年 1 月 2 日	78 年 6 月 18 日	5	心脏
12345	心脏	21 年 8 月 20 日	78 年 6 月 18 日	5	心脏
12345	心脏	21 年 10 月 28 日	78 年 6 月 18 日	5	心脏
12345	邻	21 年 1 月 14 日	78 年 6 月 18 日	2	心脏
12345	邻	21 年 7 月 7 日	78 年 6 月 18 日	2	心脏
12345	心脏	21 年 8 月 20 日	78 年 6 月 18 日	5	心脏
12345	心脏	21 年 4 月 19 日	78 年 6 月 18 日	5	心脏
12345	妇产科	21 年 4 月 1 日	78 年 6 月 18 日	1	心脏
78645	神经	21 年 5 月 1 日	87 年 7 月 18 日	2	神经
78645	神经	21 年 7 月 7 日	87 年 7 月 18 日	2	神经
78645	耳鼻喉科	21 年 7 月 7 日	87 年 7 月 18 日	1	神经
32423	胃	21 年 11 月 7 日	57 年 3 月 12 日	1	胃

我试过下面的代码； 这为我提供了上表中患者就诊的科室数量——

select *
     , count(department) OVER (PARTITION BY patient_id, department) AS count
FROM table_1

但是，对于患者 12345 的最大列，它没有给我想要的值，它应该是心脏的。 我不是心脏，而是正畸。 请协助。 这是我正在尝试的代码 -

select *
   , max(department) OVER (PARTITION BY patient_id) AS max
FROM table_2

请帮助我以最佳方式获得最大列，并就我做错或可能做错的事情提出建议。

谢谢你。

Answer 1

在第二级聚合中也使用FIRST_VALUE() window function ：

SELECT *, FIRST_VALUE(department) OVER (PARTITION BY patient_id ORDER BY count DESC) AS max
FROM (
  SELECT *, COUNT(*) OVER (PARTITION BY patient_id, department) AS count
  FROM table_1
) t

请参阅演示。

Answer 2

count(department) OVER (PARTITION BY patient_id, department)将为结果中的每一行计算，只计算与该行相同的患者和部门的记录数（其中部门不是 null，具体而言）。 这不是你想要的。

max(department) OVER (PARTITION BY patient_id) AS max也将针对结果中的每一行计算，只需找到与该行相同的患者的部门名称的最大值。 这是该患者访问的所有科室按字母顺序排序的最后一个科室（这就是将 MAX() function 应用于字符值的方式），这不是您想要的。

我们想要一个子查询来返回每个患者访问次数最多的科室，下面是一个示例：

select 
      tbl1.*
    , MostVisited.department as MostVisitedDepartment
from 
    table_1 tbl1
    inner join
    (-- Take only the most visited department for each patient
        select *
        from (-- rank departments by number of times 
              -- visited for each patient; highest visited gets 1
              -- the result of a tie (the patient visited two+ departments the
              -- same number of times) depends on how the rdbms executes it.
            select 
                VisitCnt.*
              , row_number() over (partition by VisitCnt.patient_id
                                   order by VisitCnt.TimesVisited desc) as Seq
            from (-- Count each department visited by each patient
                select 
                    patient_id, department, count(*) as TimesVisited
                from table_1
                group by patient_id, department
                 ) VisitCnt
            ) VisitCntRnked
        where VisitCntRnked.Seq=1
    ) MostVisited
    on MostVisited.Patient_ID=tbl1.Patient_ID

至于“最佳”：这取决于您的意思：表大小、索引、表上的统计信息、您的特定数据库产品，以及，如果您想为整个（或大部分）运行此查询表的总体，或只有一小部分。 我们通常期望查询优化器在执行查询时考虑这些因素。 有很多例外，但优化查询需要比此问题中可用的信息更多的信息。