3

上下文是我们有一个用户 ID 和一个事务 ID,但有时用户 ID 更改但事务 ID 保持不变(当两者都应该是常量时),由于客户端设置,有时事务 ID 更改但用户 ID 没有(所以我们不能只使用事务ID)。

所以我们想要得到一些可以用作实际 ID 的东西。新列(即实际 ID)仅用于对行进行分组,因此它可以是任意(唯一)值。顺序根本不重要。

例子:

| userid | transactionid |
|--------|---------------|
| A      |             1 |
| A      |             2 |
| A      |             3 |
| B      |             2 |
| B      |             2 |
| C      |             4 |
| D      |             5 |
| D      |             5 |
| D      |             6 |
| E      |             6 |
| E      |             7 |
| F      |             4 |

可能变成:

| userid | transactionid | actualid |
|--------|---------------|----------|
| A      | 1             | A        |
| A      | 2             | A        |
| A      | 3             | A        |
| B      | 2             | A        |
| B      | 2             | A        |
| C      | 4             | C        |
| D      | 5             | E        |
| D      | 5             | E        |
| D      | 6             | E        |
| E      | 6             | E        |
| E      | 7             | E        |
| F      | 4             | C        |

我们使用的是 Presto,所以有一些限制(没有临时表,聚合查询中没有 DISTINCT 等)

在 Python 中使用 for 循环的解决方案如下所示:http: //nbviewer.ipython.org/urls/gist.githubusercontent.com/jamesmcm/2554d5d4498b5d46d42d/raw/587ff552c34027e85ee199d5d8e5cb192e5550d1/gistfile1.txt

但我们需要 Presto 的解决方案。

这最初是在 Gist 上写的:https ://gist.github.com/jamesmcm/9b9a559eb9f69405c04a

如果您想要表格的正确格式。

4

2 回答 2

1

这可以使用 windows 功能而不是连接来完成,并且需要比@David 建议的额外步骤。

使用以下示例

uid | tid
 B  |  2
 B  |  3
 B  |  4
 A  |  3
 E  |  1

这是可能的

SELECT 
    *,
    MIN(minuid) OVER (PARTITION BY mintid order by 1) as final_id
FROM(
    SELECT 
        tid,
        uid,
        MIN(uid) OVER (PARTITION BY tid order by 1) as minuid,
        MIN(tid) OVER (PARTITION BY uid order by 1) as mintid
    FROM
        log
) 

这应该返回正确的ID

uid | tid | minuid | mintid | final_id
 B  |  2  |   B    |   2    |   A
 B  |  3  |   A    |   2    |   A
 B  |  4  |   B    |   2    |   A
 A  |  3  |   A    |   3    |   A
 E  |  1  |   E    |   1    |   E
于 2015-09-21T16:05:56.720 回答
0

我们首先找到分配给每个 transactionid (tid) 的用户 ID (uid)。有很多方法可以选择此分配,但将使用最小(最小)的用户 ID:

SELECT tid, min(uid) xid
FROM log
GROUP BY tid

这将导致以下分配:

 tid | xid 
-----+-----
   1 | A   
   2 | A   
   3 | A   
   4 | C   
   5 | D   
   6 | D   
   7 | E   
(7 rows)

现在我们有了分配,我们可以将它们连接到原始表:

SELECT a.uid, a.tid, b.xid
FROM log a
JOIN (
  SELECT tid, min(uid) xid
  FROM log
  GROUP BY tid
) b
ON (a.tid = b.tid)
ORDER BY 1, 2;

输出:

 uid | tid | xid 
-----+-----+-----
 A   |   1 | A   
 A   |   2 | A   
 A   |   3 | A   
 B   |   2 | A   
 B   |   2 | A   
 C   |   4 | C   
 D   |   5 | D   
 D   |   5 | D   
 D   |   6 | D   
 E   |   6 | D   
 E   |   7 | E   
 F   |   4 | C   
(12 rows)
于 2015-09-18T16:30:33.373 回答