SQL對唯一ID的累積計數

Question

我有如下數據集（按“時間”列排序）：

Time        ID1        ID2
2:00:00 AM  41  A56E34E0-FBE5-4C58-BDBD-87112E73A978
3:00:00 AM  34  B129798B-485E-41BB-8B9C-39A0E1841109
4:00:00 AM  41  A56E34E0-FBE5-4C58-BDBD-87112E73A978
4:00:00 AM  41  C1C14D08-C155-4857-93E2-3A748AC95C8D
4:00:00 AM  34  A4D389B1-C38F-446A-9336-6AA193D8F0E0
4:00:00 AM  17  C1C14D08-C155-4857-93E2-3A748AC95C8D

如果要按時間和ID1分組的同一ID1之前沒有出現過，我想獲取ID2的累積計數。 因此，對於上述數據集，中間結果可能是：

Time        ID1        ID2                                     IsNewForID1
2:00:00 AM  41  A56E34E0-FBE5-4C58-BDBD-87112E73A978        1
3:00:00 AM  34  B129798B-485E-41BB-8B9C-39A0E1841109        1
4:00:00 AM  41  A56E34E0-FBE5-4C58-BDBD-87112E73A978        0
4:00:00 AM  41  C1C14D08-C155-4857-93E2-3A748AC95C8D        1
4:00:00 AM  34  A4D389B1-C38F-446A-9336-6AA193D8F0E0        1
4:00:00 AM  17  C1C14D08-C155-4857-93E2-3A748AC95C8D        1

並且按時間分組，ID1將是：

Time        ID1       Count
2:00:00 AM  41  1
3:00:00 AM  34  1
4:00:00 AM  41  1
4:00:00 AM  34  1
4:00:00 AM  17  1

如何在SQL中執行此操作？

Answer 1

如果您想讓id1和id2對首次出現，並加上時間，為什么不只使用group by ？ 以下是標准SQL：

select min(time) as time, id1, id2, 1 as count
from dataset
group by id1, id2;

Answer 2

您可以使用Gordon Linoff的建議作為這種解決方案的起點：

SELECT
  d.Time,
  d.ID1,
  d.ID2,
  IsNewForID1 = CASE WHEN g.Time IS NULL THEN 0 ELSE 1 END
FROM
  YourDataset AS d
  LEFT JOIN (
    SELECT
      Time = MIN(Time),
      ID1,
      ID2,
    FROM
      YourDataset
    GROUP BY
      ID1,
      ID2
  ) AS g ON g.Time = d.Time AND g.ID1 = d.ID1 AND g.ID2 = d.ID2
;

也就是說，派生表包含每個ID1中ID2第一個“新”出現，然后將其重新連接到原始數據集以用作參考並分別標記每行。

如果使用的是SQL Server 2005或更高版本，則可以使用窗口MIN重寫以上內容：

SELECT
  Time,
  ID1,
  ID2,
  IsNewForID1 = CASE Time
    WHEN MIN(Time) OVER (PARTITION BY ID1, ID2) THEN 1
    ELSE 0
  END
FROM
  YourDataset
;

這個想法與以前相同，但是不需要IsNewForID1表或派生表，因為第一次出現是在細節旁邊獲得的，並且IsNewForID1列是在同一范圍內計算的。 如果YourDataset實際上是一個查詢，則此方法尤其可取，因為第一個變體可能會對YourDataset兩次評估，而第二個變體則避免了。

顯然，要獲得最終結果，您可以采用任一查詢，然后按Time和ID1將其進一步分組以采用SUM(IsForNewID1) ：

SELECT
  Time,
  ID1,
  Count = SUM(IsNewForID1)
FROM
  (
    SELECT
      Time,
      ID1,
      ID2,
      IsNewForID1 = CASE Time
        WHEN MIN(Time) OVER (PARTITION BY ID1, ID2) THEN 1
        ELSE 0
      END
    FROM
      YourDataset
  ) AS s
;

但是請注意，如果實際上僅需要IsNewForID1來獲取計數，則可以以其他方式使用Gordon的想法來跳過該中間步驟，如下所示：

SELECT
  Time,
  ID1,
  Count = COUNT(*)
FROM
  (
    SELECT
      Time = MIN(Time),
      ID1,
      ID2,
    FROM
      YourDataset
    GROUP BY
      ID1,
      ID2
  ) AS s
;

本質上，無論您是使用IsNewForID1還是不使用IsNewForID1計算它們，結果都是相同的。 但是，就行而言，可能有所不同。 前一種方法可能會返回Count = 0行。 例如，如果您的示例中的第4行不存在，它將返回以下內容：

Time        ID1  Count
----------  ---  -----
2:00:00 AM  41   1
3:00:00 AM  34   1
4:00:00 AM  41   0
4:00:00 AM  34   1
4:00:00 AM  17   1

最后一個方法將簡單地忽略計數為0的行，因此4:00:00 AM, 41如果我們從示例數據中刪除第四行，則在4:00:00 AM, 41將沒有結果。