按条件对行进行评级答案

【问题标题】：Rating rows by conditions按条件对行进行评级
【发布时间】：2021-09-13 09:40:12
【问题描述】：

大家好，现有数据集：

Student_id  Book_id class_id    timestamp
1101        NV5602  12          null
1101        NV5401  31          11/09/2021 16:50
1101        NV5401  12          null

我的 book_id 首先由 2 个字母组成，然后是数字。我想为每个 Student_id 选择最高的 book_id 编号（NV5602 - 在上面的示例中）。

如果有 2 个 book_id 具有相同的编号（在我们的示例中：NV5401）对于相同的 student_id，则将时间戳记为 1 的行评分为 1，将另一个为 null 的行评分为 2。

如果 book_id 和 student_id 的所有时间戳都为空 - 将其评为 1

输出应该是这样的：

Student_id  Book_id class_id    timestamp   row_number
1101        NV5602  12          null        1
1101        NV5401  31  11/09/2021 16:50    1
1101        NV5401  12          null        2

The desired output

【问题讨论】：

能否请您以文本形式发布数据，而不是图片。请阅读 hiw 以询问有关 [hive] 的问题：stackoverflow.com/tags/hive/info
删除了 [hql] 标签。它用于 hybernate，而不是 Apache Hive，请改用 [hiveql]
感谢告知，我已经改了，希望现在可以了
好多了！如果所有行都有时间戳并且存在具有相同 book_id 的行怎么办？
这种情况不可能发生，因为每个 book_id 都有时间（书已借）或还没有借（空）。所以每个 book_id 只有 2 个选项

标签： hive hiveql

【解决方案1】：

使用 row_number。演示：

with mydata as (
select 1101 Student_id, 'NV5602' Book_id,  12 class_id,  null timestamp_ union all
select 1101, 'NV5401',  31,  '11/09/2021 16:50' union all
select 1101, 'NV5401',  12,  null
)

select Student_id,  Book_id, class_id, timestamp_, 
       row_number() over(partition by student_id, case when timestamp_ is null then 1 else 0 end  order by regexp_extract(Book_id,'[A-Z]+(\\d+)$',1) desc) as row_number
from mydata

结果：

student_id  book_id class_id    timestamp_         row_number
1101        NV5401  31          11/09/2021 16:50    1
1101        NV5602  12          NULL                1
1101        NV5401  12          NULL                2

【讨论】：

谢谢，当我运行它时，它会在 row_number 处给出所有 1