Question

我有三种类型的事务流，ax1.plot(df1['High'], df1['Close']) #works事务增加了一个索引（从1开始）。

ax1.plot(df1['Date'], df1['Close']) # doesn't work交易保持索引没有变化。从+开始。

=事务否定了上一个NULL事务的影响，并返回到先前的值或NULL。

不同-上的交易是独立的，+订购ID

有一些一致性规则：ID必须遵循（直接或间接）SEQ而-不能遵循+（即没有嵌套否定）。 -可以在两者之间发生任何数字。

因此，对于样本数据（见下文），这是预期结果（列-）

我从这个分析函数开始

LAST_IDX

差不多完成，但ID SEQ CODE LAST_IDX ---------- ---------- ---- ---------- 1 1 + 1 1 2 = 1 1 3 = 1 1 4 + 2 1 5 = 2 1 6 - 1 1 7 = 1 1 8 + 3 1 9 = 3 1 10 - 1 2 1 + 1中的SUM(decode(code,'+',1,'-',-1,0)) over (partition by id order by seq)变为2而不是3。

所以我最终管理了这个有效的解决方案

但我希望必须有一个简单的解决方案。

有什么想法吗？

样本数据

seq = 8

Answer 1

这不是一个真正的答案，因为它重申了OP的解决方案。

您对运营商的描述过度简化了他们的工作。我认为您提出的解决方案是最佳解决方案。我会把它写成：

select id, seq, code,
       (case when last_value(case code when '+' then '+' when '-' then '-' end ignore nulls) over (partition by id order by seq ) = '+'
             then sum(case code when '+' then 1 else 0 end) over (partition by id order by seq) 
             else sum(case code when '+' then 1 when '-' then -1 else 0 end) over (partition by id order by seq)       
        end) as last_idx
from tab
order by id, seq;

基本上，根据当前代码是'+'还是'-'，您有两种不同的方法，这就是您的逻辑所表达的内容。

您的解决方案非常有趣。我对操作的第一反应是需要递归CTE（或分层查询）。但是，您可以干净地分离两个操作的逻辑，因此有一个更有效的解决方案。

最近活跃交易的索引

1 个答案: