Google BigQuery：从天数表中获取一年中所有天数的表

Question

我有这个（示例）表：

+------------+-------------------+-----------+
|    Date    |       User        | Attribute |
+------------+-------------------+-----------+
| 2019-01-01 | user1@example.com | apple     |
| 2019-02-01 | user2@example.com | pear      |
| 2019-03-01 | user1@example.com | carrot    |
| 2019-03-01 | user2@example.com | orange    |
+------------+-------------------+-----------+

我需要创建所有（日期+用户）夫妇的完整排列，以填补 2019 年所有缺失的日子（attribute 为 null）。

就像在我的示例中一样，我有 2 个不同的用户：

• user1@example.com
• user2@example.com

结果表应该是：

+------------+-------------------+-----------+
|    Date    |       User        | Attribute |
+------------+-------------------+-----------+
| 2019-01-01 | user1@example.com | apple     |
| ...        | user1@example.com | null      |
| 2019-03-01 | user1@example.com | carrot    |
| ...        | user1@example.com | null      |
| 2019-12-31 | user1@example.com | null      |
| 2019-01-01 | user2@example.com | null      |
| ...        | user2@example.com | null      |
| 2019-02-01 | user2@example.com | pear      |
| ...        | user2@example.com | null      |
| 2019-03-01 | user2@example.com | orange    |
| ...        | user2@example.com | null      |
| 2019-12-31 | user2@example.com | null      |
+------------+-------------------+-----------+

... 表示一年中的每一天都有一行，当源表提供实际值时，attribute 有一个值，否则使用 null。

作为第一步，创建我想到的使用bigquery-public-data.utility_eu.date_greg 表的所有（日期+用户）排列，使用CROSS JOIN 创建所有需要的行。

这里是要使用的示例表：

#standardSQL
WITH sample AS (
  SELECT DATE('2019-01-01') date, 'user1@example.com' user, 'apple' attribute
  UNION ALL
  SELECT DATE('2019-02-01'), 'user2@example.com', 'pear'
  UNION ALL
  SELECT DATE('2019-03-01'), 'user1@example.com', 'carrot'
  UNION ALL
  SELECT DATE('2019-03-01'), 'user2@example.com', 'orange'
)

这是我尝试的第一个查询：

SELECT d.date,s.* EXCEPT(date)
FROM sample s
  CROSS JOIN `bigquery-public-data.utility_eu.date_greg` d 
WHERE d.year = 2019
ORDER BY date,user

但这太多了，因为attribute 值也在联接中使用，我得到的值在与原始值无关的所有日期都被复制。

我认为我需要某种DISTINCT 才能仅获取唯一的（日期+用户）夫妇，然后才关联attribute 值（如果有）。

这是我找到的第一个可行的解决方案：

distinct_couples AS (
  SELECT DISTINCT d.date,s.user
  FROM sample s CROSS JOIN `bigquery-public-data.utility_eu.date_greg` d 
  WHERE d.year = 2019
)

SELECT d.*, s.attribute
FROM distinct_couples d
  LEFT JOIN sample s USING(date,user)
ORDER BY date,user

但我与sample 进行了两次连接（第一次在临时表中，第二次在主查询中），所以我试图了解是否可以优化。

您对如何使它起作用有什么建议吗？ 谢谢

Answer 1

以下是 BigQuery 标准 SQL

#standardSQL
WITH users AS (
  SELECT DISTINCT user
  FROM `project.dataset.sample`
)
SELECT d.date, u.user, s.attribute
FROM `bigquery-public-data.utility_eu.date_greg` d  
CROSS JOIN users u
LEFT JOIN `project.dataset.sample` s
ON s.date = d.date
AND s.user = u.user
WHERE d.year = 2019

附带说明 - 您实际上不需要使用任何额外的日期表，因为您可以即时生成它 - 如下例所示

#standardSQL
WITH users AS (
  SELECT DISTINCT user
  FROM `project.dataset.sample`
), dates AS (
  SELECT `date` 
  FROM UNNEST(GENERATE_DATE_ARRAY('2019-01-01', '2019-12-31')) `date`
)
SELECT d.date, u.user, s.attribute
FROM dates d  
CROSS JOIN users u
LEFT JOIN `project.dataset.sample` s
ON s.date = d.date
AND s.user = u.user