Question

我在表单中有一个数据集。

id  |   attribute
-----------------
1   |   a
2   |   b
2   |   a
2   |   a
3   |   c

期望的输出：

attribute|  num
-------------------
a        |  1
b,a      |  1
c        |  1

在MySQL中，我会使用：

select attribute, count(*) num 
from 
   (select id, group_concat(distinct attribute) attribute from dataset group by id) as     subquery 
group by attribute;

我不确定这可以在Redshift中完成，因为它不支持group_concat或任何psql组聚合函数，如array_agg（）或string_agg（）。见this question。

另一种可行的解决方案是，如果我有办法从每个组中选择一个随机属性而不是group_concat。这怎么可以在Redshift中工作？

Answer 1

我找到了为每个id获取随机属性的方法，但它太棘手了。实际上我认为这不是一个好方法，但它确实有效。

SQL：

-- (1) uniq dataset 
WITH uniq_dataset as (select * from dataset group by id, attr)
SELECT 
  uds.id, rds.attr
FROM
-- (2) generate random rank for each id
  (select id, round((random() * ((select count(*) from uniq_dataset iuds where iuds.id = ouds.id) - 1))::numeric, 0) + 1 as random_rk from (select distinct id from uniq_dataset) ouds) uds,
-- (3) rank table
  (select rank() over(partition by id order by attr) as rk, id ,attr from uniq_dataset) rds
WHERE
  uds.id = rds.id
AND 
  uds.random_rk = rds.rk
ORDER BY
  uds.id;

结果：

 id | attr
----+------
  1 | a
  2 | a
  3 | c

OR

 id | attr
----+------
  1 | a
  2 | b
  3 | c

以下是此SQL中的表。

-- dataset (original table)
 id | attr
----+------
  1 | a
  2 | b
  2 | a
  2 | a
  3 | c

-- (1) uniq dataset
 id | attr
----+------
  1 | a
  2 | a
  2 | b
  3 | c

-- (2) generate random rank for each id
 id | random_rk
----+----
  1 |  1
  2 |  1 <- 1 or 2
  3 |  1

-- (3) rank table
 rk | id | attr
----+----+------
  1 |  1 | a
  1 |  2 | a
  2 |  2 | b
  1 |  3 | c

Answer 2

这个解决方案受Masashi的启发，更简单，可以在Redshift中从一个组中选择一个随机元素。

SELECT id, first_value as attribute 
FROM(SELECT id, FIRST_VALUE(attribute) 
    OVER(PARTITION BY id ORDER BY random() 
    ROWS BETWEEN unbounded preceding AND unbounded following) 
    FROM dataset) 
GROUP BY id, attribute ORDER BY id;

Answer 3

这是相关问题here的答案。这个问题已经结束，所以我在这里发布答案。

以下是将列聚合为字符串的方法：

select * from temp;
 attribute 
-----------
 a
 c
 b

1）为每一行赋予唯一的排名

with sub_table as(select attribute, rank() over (order by attribute) rnk from temp)
select * from sub_table;

 attribute | rnk 
-----------+-----
 a         |   1
 b         |   2
 c         |   3

2）使用concat运算符||合并成一行

with sub_table as(select attribute, rank() over (order by attribute) rnk from temp)
select (select attribute from sub_table where rnk = 1)||
       (select attribute from sub_table where rnk = 2)||
       (select attribute from sub_table where rnk = 3) res_string;

 res_string 
------------
 abc

这仅适用于该列中有限数量的行（X）。它可以是“order by”子句中某些属性排序的前X行。我猜这很贵。

Case语句可用于处理当某个rank不存在时发生的NULL。

with sub_table as(select attribute, rank() over (order by attribute) rnk from temp)
select (select attribute from sub_table where rnk = 1)||
       (select attribute from sub_table where rnk = 2)||
       (select attribute from sub_table where rnk = 3)||
       (case when (select attribute from sub_table where rnk = 4) is NULL then '' 
             else (select attribute from sub_table where rnk = 4) end) as res_string;

Answer 4

我没有测试过这个查询，但Redshift支持这些功能：

select id, arrary_to_string(array(select attribute from mydataset m where m.id=d.id),',') from mydataset d

从Redshift中的组中选择一个随机属性

4 个答案: