Question

我需要在group by输出的基础上执行group by。例如，在下面的table1：

中

id   |   timestamp   |  team
----------------------------
1    |   2016-01-02  |   A
2    |   2016-02-01  |   B
1    |   2016-02-04  |   A
1    |   2016-03-05  |   A
3    |   2016-05-12  |   B
3    |   2016-05-15  |   B
4    |   2016-07-07  |   A
5    |   2016-08-01  |   C
6    |   2015-08-01  |   C
1    |   2015-04-01  |   A

如果我查询：

query = select id, max(timestamp) as latest_ts from table1' + \
           ' where timestamp > "2016-01-01 00:00:00" group by id'

我会：

id   |   latest_ts   |
---------------------
2    |   2016-02-01  |  
1    |   2016-03-05  |   
3    |   2016-05-15  |   
4    |   2016-07-07  |   
5    |   2016-08-01  |

但是，我想知道是否可以包含如下所示的team列？

id   |   latest_ts   |  team
----------------------------
2    |   2016-02-01  |   B
1    |   2016-03-05  |   A
3    |   2016-05-15  |   B
4    |   2016-07-07  |   A
5    |   2016-08-01  |   C

最终，我真正需要的是知道2016年每个团队中有多少不同的身份证明。我的预期结果应该是：

team  |  count(id)
-------------------
 A    |  2
 B    |  2
 C    |  1

我正在尝试使用下面的代码在第一个group by结果之上执行另一个group by，但是语法错误。

import pandas as pd
query = 'select team, count(id) from ' + \
           '(select id, max(timestamp) as latest_ts from table1' + \
           ' where timestamp > "2016-01-01 00:00:00" group by id)' + \
        'group by team'  

cursor = impala_con.cursor()
cursor.execute('USE history')
cursor.execute(query)
df_result = as_pandas(cursor)
df_result

所以我想知道这是否可以实现？如果是这样，应该采取什么样的正确方法呢？谢谢！

SQL / Impala：按输出在第一个组上应用另一个组

0 个答案: