GROUP BY + CASE 语句答案

【问题标题】：GROUP BY + CASE statementGROUP BY + CASE 语句
【发布时间】：2013-11-19 20:45:51
【问题描述】：

我有一个工作查询，它按硬件型号和结果对数据进行分组，但问题是有很多“结果”。我试图将其减少到 “如果结果 = 0 然后保持为 0，否则将其设置为 1”。这通常有效，但我最终有：

    day     |      name      | type | case | count
------------+----------------+------+------+-------
 2013-11-06 | modelA         |    1 |    0 |   972
 2013-11-06 | modelA         |    1 |    1 |    42
 2013-11-06 | modelA         |    1 |    1 |     2
 2013-11-06 | modelA         |    1 |    1 |    11
 2013-11-06 | modelB         |    1 |    0 |   456
 2013-11-06 | modelB         |    1 |    1 |    16
 2013-11-06 | modelB         |    1 |    1 |     8
 2013-11-06 | modelB         |    3 |    0 | 21518
 2013-11-06 | modelB         |    3 |    1 |     5
 2013-11-06 | modelB         |    3 |    1 |     7
 2013-11-06 | modelB         |    3 |    1 |   563

而不是我试图实现的聚合，每个类型/案例组合只有 1 行。

    day     |      name      | type | case | count
------------+----------------+------+------+-------
 2013-11-06 | modelA         |    1 |    0 |   972
 2013-11-06 | modelA         |    1 |    1 |    55
 2013-11-06 | modelB         |    1 |    0 |   456
 2013-11-06 | modelB         |    1 |    1 |    24
 2013-11-06 | modelB         |    3 |    0 | 21518
 2013-11-06 | modelB         |    3 |    1 |   575

这是我的查询：

select CURRENT_DATE-1 AS day, model.name, attempt.type, 
       CASE WHEN attempt.result = 0 THEN 0 ELSE 1 END, 
       count(*) 
from attempt attempt, prod_hw_id prod_hw_id, model model
where time >= '2013-11-06 00:00:00'  
AND time < '2013-11-07 00:00:00'
AND attempt.hard_id = prod_hw_id.hard_id
AND prod_hw_id.model_id = model.model_id
group by model.name, attempt.type, attempt.result
order by model.name, attempt.type, attempt.result;

任何关于我如何实现这一点的提示都很棒。

Day 将始终在WHERE 子句中定义，因此不会发生变化。 name, type, result(case) 和 count 会有所不同。简而言之，对于任何给定的模型，每个 "type + case" 组合我只需要 1 行。正如您在第一个结果集中看到的那样，我有 3 行 modelA 有 type=1 和 case=1（因为有很多 "result" 值我已经变成了 0=0 和其他任何值=1）。我希望将其表示为 1 行，并在示例数据集 2 中聚合计数。

【问题讨论】：

哪个行每种类型/案例。定义你的选择。日期和名称可以不同吗？
@ErwinBrandstetter，对于 1 个模型（名称），每个类型/结果（案例）组合只有 1 行。有很多型号。
每个模型总是至少有 1 行，但由于 succ/fail 和不同的类型，可能会更多。我将在数据集示例中添加更多内容。也许这会更有帮助。我正在尝试按型号、类型、案例进行分组；是的。通常它可以工作，但我只是想在只有计数不同的（否则）唯一行上聚合计数。

标签： sql postgresql group-by case aggregate-functions

【解决方案1】：

只有在前面的步骤中引入别名才能使用。所以SELECT 子句中的别名可以在ORDER BY 中使用，但不能在GROUP BY 子句中使用。

参考：Microsoft T-SQL 文档供进一步阅读。

FROM
ON
JOIN
WHERE
GROUP BY
WITH CUBE or WITH ROLLUP
HAVING
SELECT
DISTINCT
ORDER BY
TOP

希望这会有所帮助。

【讨论】：

【解决方案2】：

对于 TSQL，我喜欢将 case 语句封装在外部应用中。这使我不必将 case 语句编写两次，允许在以后的连接中通过别名引用 case 语句，并避免了对位置引用的需要。

select oa.day, 
model.name, 
attempt.type, 
oa.result
COUNT(*) MyCount 
FROM attempt attempt, prod_hw_id prod_hw_id, model model
WHERE time >= '2013-11-06 00:00:00'  
AND time < '2013-11-07 00:00:00'
AND attempt.hard_id = prod_hw_id.hard_id
AND prod_hw_id.model_id = model.model_id
OUTER APPLY (
    SELECT CURRENT_DATE-1 AS day,
     CASE WHEN attempt.result = 0 THEN 0 ELSE 1 END result
    ) oa    
group by oa.day, 
model.name, 
attempt.type, 
oa.result
order by model.name, attempt.type, oa.result;

【讨论】：

TSQL 如何适用于 [postgresql] 问题？（不是。）
奇怪的是 ^^ 当我用谷歌搜索如何通过这个答案避免组中重复的 case 语句时帮助了我（对于 tSQL 是的：D）

【解决方案3】：

你能试试这个吗：用下面的替换case语句

Sum(CASE WHEN attempt.result = 0 THEN 0 ELSE 1 END) as Count,

【讨论】：

我不知道你可以用 sum 包装一个案例，并通过遵循复杂案例陈述的噩梦来避免分组。可能性...

【解决方案4】：

您的查询已经可以工作了 - 除非您遇到命名冲突或只是将 输出列（CASE 表达式）与源列 result 混淆, 内容不同。

...
GROUP BY model.name, attempt.type, attempt.result
...

您需要GROUP BY 您的CASE 表达式而不是您的源列：

...
GROUP BY model.name, attempt.type
       , CASE WHEN attempt.result = 0 THEN 0 ELSE 1 END
...

或者提供一个不同于FROM 列表中任何列名的列别名 - 否则该列优先：

SELECT ...
     , CASE WHEN attempt.result = 0 THEN 0 ELSE 1 END AS result1
...
GROUP BY model.name, attempt.type, result1
...

SQL 标准在这方面比较特殊。 Quoting the manual here:

输出列的名称可用于引用该列的值 ORDER BY 和 GROUP BY 子句，但不在 WHERE 或 HAVING 子句中；在那里你必须写出表达式。

还有：

如果 ORDER BY 表达式是一个简单的名称，它同时匹配输出列名和输入列名，ORDER BY 将其解释为输出列名。 这与GROUP BY的选择相反会在同样的情况下。这种不一致是与 SQL 标准兼容。

粗体强调我的。

可以通过在GROUP BY 和ORDER BY 中使用位置引用（序数）来避免这些冲突，从左到右引用SELECT 列表中的项目。请参阅下面的解决方案。
缺点是，这可能更难阅读并且容易受到SELECT 列表中的编辑的影响（人们可能会忘记相应地调整位置引用）。

但是您不必必须将列day 添加到GROUP BY 子句中，只要它具有恒定值（CURRENT_DATE-1）。

用正确的 JOIN 语法和位置引用重写和简化它可能看起来像这样：

SELECT m.name
     , a.type
     , CASE WHEN a.result = 0 THEN 0 ELSE 1 END AS result
     , CURRENT_DATE - 1 AS day
     , count(*) AS ct
FROM   attempt    a
JOIN   prod_hw_id p USING (hard_id)
JOIN   model      m USING (model_id)
WHERE  ts >= '2013-11-06 00:00:00'  
AND    ts <  '2013-11-07 00:00:00'
GROUP  BY 1,2,3
ORDER  BY 1,2,3;

另外请注意，我避免使用列名time。那是reserved word，永远不应该用作标识符。此外，您的“时间”显然是timestamp or date，所以这是相当误导。

【讨论】：

在谈论命名冲突时，您可能应该提到使用位置（数字）列引用的选项，而不是仅仅使用与散文建议不匹配的示例。我自己仍然觉得这种语法的可读性要差得多，但我知道有些人更喜欢它。
另外解释得很好，顺便说一句；很好地引用了手册（因此间接引用了标准），了解何时以及如何使用输出列名。
@IMSoP：嗯..但我确实在最后提到了位置参数。我已经在这个答案中投入了很多，所以我保持简短。读者可以转向手册进行更多史诗般的阅读。链接在那里..
长度足够。在谈论如何命名输出列以完全不实际使用输出列名称，而是完全不同的问题解决方案之后，感觉很奇怪。也许就在示例之前说“重写......使用另一种替代方法，即按位置引用输出列”或其他内容。（另外，这些肯定不是位置参数？只是位置 references...）
@IMSoP：你说得对，这个词具有误导性。相应更新。

【解决方案5】：

尝试将另外两个非 COUNT 列添加到 GROUP BY：

select CURRENT_DATE-1 AS day, 
model.name, 
attempt.type, 
CASE WHEN attempt.result = 0 THEN 0 ELSE 1 END, 
count(*) 
from attempt attempt, prod_hw_id prod_hw_id, model model
where time >= '2013-11-06 00:00:00'  
AND time < '2013-11-07 00:00:00'
AND attempt.hard_id = prod_hw_id.hard_id
AND prod_hw_id.model_id = model.model_id
group by 1,2,3,4
order by model.name, attempt.type, attempt.result;

【讨论】：

我假设您的意思是将“天”添加到组中？我试过了，结果是一样的。你的意思是别的吗？我在选择中有 5 个字段，其中 3 个已经存在，所以 day 是唯一的其他非计数字段。
是的。我把它们放在我的答案上：1,2,3,4。除 COUNT 之外的所有内容。