Question

我正在与一些非常可怕的旧数据集作斗争，并且需要汇总这些数据，以使其更加有用。我不太确定我是否需要rank，deny_rank或group by或3（或新的）组合。

数据的结构如下：

--[Table:]
hashed_id | visit_id | datetime            | page_name | ...
----------+----------+---------------------+-----------+-----
abc       | 1        | 2019-01-01 00:00:01 | page1     | ...
abc       | 1        | 2019-01-01 00:00:02 | page1     | ...
abc       | 1        | 2019-01-01 00:00:03 | page1     | ...
abc       | 1        | 2019-01-01 00:00:10 | page1     | ...
abc       | 1        | 2019-01-01 00:00:20 | page2     | ...
abc       | 1        | 2019-01-01 00:00:32 | page2     | ...
abc       | 1        | 2019-01-01 00:00:53 | page1     | ...
abc       | 1        | 2019-01-01 00:00:54 | page1     | ...

我想要

--[Table:]
hashed_id | visit_id | datetime            | page_name | ...
----------+----------+---------------------+-----------+-----
abc       | 1        | 2019-01-01 00:00:01 | page1     | ...
abc       | 1        | 2019-01-01 00:00:20 | page2     | ...
abc       | 1        | 2019-01-01 00:00:53 | page1     | ...

我尝试使用等级，密集等级和分组依据，但似乎未获得预期的结果。我是白痴吗：）？

Answer 1

使用lag()来获得与上一页不同的页面的首次出现：

select t.*
from (select t.*,
             lag(page_name) over (partition by hashed_id, visit_id order by datetime) as prev_page_name
      from t
     ) t
where prev_page_name is null or prev_page_name <> page_name

Answer 2

选择您的数据似乎需要通过hashed_id，visit_id在表和min（datetime）组之间进行联接

select * from my_table  m 
inner join  (
  select  hashed_id, visit_id, min(datetime) min_date 
  from my_table
  group by   hashed_id, visit_id
 ) t 0n t.hashed_id = m.hashed_id 
    and t.visit_id = m.visit_id 
        and t.min_date = m.datetime

尝试使用分组依据，等级和密集等级的混合来汇总数据，但没有运气

2 个答案: