Question

我的问题是我应该如何使用distint()来基于一列的值来删除/忽略数据库中行的重复项。所以这是我的情况。

我有一个test_db数据库，其中包含以下数据：

values_list = [
    {'tweet_id': '1', 'retweet': '100', 'user_id': '101'},
    {'tweet_id': '2', 'retweet': '10', 'user_id': '101'},    
    {'tweet_id': '2', 'retweet': '11', 'user_id': '101'},        
    {'tweet_id': '10', 'retweet': '110', 'user_id': '102'},            
    {'tweet_id': '10', 'retweet': '110', 'user_id': '102'},                
    {'tweet_id': '110', 'retweet': '0', 'user_id': '2'},                    
]

我想对定义为user_id的每个用户的转发数和转发数求和。我对这样一个问题的查询如下：

q = select([
            test_db.columns.user_id,
            test_db.columns.tweet_id.distinct(),
            func.count(test_db.columns.retweet).label('count'),
            func.sum(cast(test_db.columns.retweet, Integer)).label('total_retweet'),
           ])
q = q.group_by(test_db.columns.user_id)

我得到的是以下内容：

user_id     tweet_id  count  total_retweet
102         10        2      220
101         2         3      121
2           110       1      0

但是我的预期结果应该是这样的：

user_id     tweet_id  count  total_retweet
102         10        1      110
101         2         2      111
2           110       1      0

我不确定应该如何执行distinct以获得预期的结果，或者还有另一种方法可以解决此问题。

谢谢！

Answer 1

通过阅读this post有关嵌套查询的信息，我意识到我的问题有解决方案。

数据库中的表名称为test，这是SQL格式的查询：

q = '''SELECT user_id, tweet_id, count(max_retweet) as count, 
                sum(max_retweet) as totat_retweet FROM 
                (SELECT tweet_id, max(cast(retweet as int)) as max_retweet, user_id FROM test
                GROUP BY user_id, tweet_id) 
            GROUP BY user_id
'''

因此，SQLAlchemy中等效的转换解决方案如下：

table = (
    select([
        func.max(test_db.columns.retweet).label('max_retweet'),
        test_db.columns.user_id,
        test_db.columns.tweet_id            
    ]).group_by(test_db.columns.user_id, test_db.columns.tweet_id)
    )

q = select([table.columns.user_id,
            table.columns.tweet_id,
            func.count(table.columns.max_retweet).label('count'),
            func.sum(table.columns.max_retweet).label('total_retweet')
             ])
q = q.group_by(table.columns.user_id)

但是我想知道是否有一个distinct表达式的解决方案，或者distinct应该始终与count一起使用，这就是我一直看到的解决方案！

任何帮助或指导也将受到赞赏！

在SQLAlchemy中无法区分分组依据

1 个答案: