SQL count distinct over partition by 累計

Question

我正在使用 AWS Athena（基於 Presto）並且我有這個名為base的表：

ID	類別	年	月
1	一個	2021	6
1	b	2022	8
1	一個	2022	11
2	一個	2022	1
2	一個	2022	4
2	b	2022	6

我想制作一個查詢，計算每個 id 類別的不同值，每月和每年累積，但保留原始列：

ID	類別	年	月	總和
1	一個	2021	6	1
1	b	2022	8	2
1	一個	2022	11	2
2	一個	2022	1	1
2	一個	2022	4	1
2	b	2022	6	2

我嘗試執行以下查詢但沒有成功：

SELECT id, 
       category, 
       year, 
       month, 
       COUNT(category) OVER (PARTITION BY id, ORDER BY year, month) AS sumC FROM base;

這導致1, 2, 3, 1, 2, 3這不是我想要的。 我寧願在窗口函數中需要類似COUNT(DISTINCT)的東西，盡管它不支持作為構造。

我還嘗試了DENSE_RANK技巧：

  DENSE_RANK() OVER (PARTITION BY id ORDER BY category) 
+ DENSE_RANK() OVER (PARTITION BY id ORDER BY category) 
- 1 as sumC

但是，由於year和month之間沒有排序，它只會導致2, 2, 2, 2, 2, 2 。

任何幫助表示贊賞！

Answer 1

一種選擇是

• 創建一個新列，該列將包含第一次看到每個“類別”的時間（按“ id ”、“ category ”分區並按“ year ”、“ month ”排序）
• 計算此列的運行總和，具有相同的分區

WITH cte AS (
    SELECT *, 
           CASE WHEN ROW_NUMBER() OVER(
                         PARTITION BY id, category
                         ORDER     BY year, month) = 1
                THEN 1 
                ELSE 0 
           END AS rn1
    FROM base
    ORDER BY id, 
             year_, 
             month_
)
SELECT id,
       category,
       year_,
       month_,
       SUM(rn1) OVER(
            PARTITION BY id
            ORDER     BY year, month 
       ) AS sumC
FROM cte

對你起作用嗎？