满足条件时检查 LAG 和 LEAD 直到 NULL BigQuery

Question

免责声明：如果这个问题的表达方式过于复杂，我深表歉意。我已经尽力了。 我对如何解决这个问题有一个非常粗略的想法，所以我在下面附加了代码，尽管它无助于解决我的问题。谢谢。

我有一张这样的桌子：

WITH table1 AS (

  SELECT  '2020-12-01 00:00:06 UTC' Datetime,   NULL Column1,  'A0' Column2, 'x' Column3 UNION ALL
  SELECT  '2020-12-01 00:00:16 UTC',           'A1',           'A0',         'x'  UNION ALL
  SELECT  '2020-12-01 00:00:26 UTC',           'A1',           'A1',         'y'  UNION ALL
  SELECT  '2020-12-01 00:00:36 UTC',           'A1',           'A1',         'y'  UNION ALL
  SELECT  '2020-12-01 00:00:46 UTC',           'A1',           'A2',         'z'  UNION ALL
  SELECT  '2020-12-01 00:00:56 UTC',           'A1',           'A2',         'z'  UNION ALL
  SELECT  '2020-12-01 00:00:66 UTC',           NULL,           'A2',         'z'  UNION ALL
  SELECT  '2020-12-01 00:01:06 UTC',           NULL,           'A2',         'z'   
)  

select * from table1

我想创建一个新列并将 Column3 中的每个值附加到 Column1 的整个长度，如果条件 (Column1 = Column2) 至少满足一次，则 NULLS 是边界。

详细解释： 我想首先检查条件 Column1 = Column2;如果这是真的，我想检查 Column3 中的值。就我而言，这是'y'。 满足条件时，我想做 LAG 和 LEAD 直到 Column1 中的 NULL，然后将 Column1 中 A1 的整个长度的“y”应用于新列 Column4。如果一开始不满足条件 Column1 = Column2，则 Column4 中应该有 NULL。

然后输出表将是：

我尝试使用下面的代码，但不幸的是它唯一做的就是一团糟。

select *,
case when lag(Column1) over (partition by Column1 = Column2 order by DateTime) is null
             then Column3
     when lead(Column1) over (partition by Column1 = Column2 order by DateTime) is null
             then Column3
             else NULL
        end as Column4
from XX.YY.ZZ 
order by datetime

Answer 1

你可以用几个窗口函数来解决它。

有两件事要做：
1- 如果第 1 列 = 第 2 列，则从第 3 列获取值（简单部分:)）
2- 找到第 1 列组（岛）

对于第一个，很清楚我在做什么：
IF(Column1 = Column2, Column3, NULL) Col4_temp,

对于第二个问题， 1-我尝试在 column1 中找到更改。如果 Column1 的值与上一行不同，我将其标记为 1，否则标记为 0。

为了能够做到这一点，首先我将前一行的值与LAG(Column1) 结合起来。如果等于 Column1 的值，则返回 0，否则返回 1。

如果前一行为 NULL，则该比较也返回 NULL，所以我用 COALESCE 填充它并将其标记为 1。

所有更改捕获代码都在这里：
COALESCE(IF(Lag(Column1) over wd = Column1, 0, 1), 1) as Col1_changes

在下一步中，我累计汇总了更改的总数。如果没有变化，则表示他们在同一个组中。
sum(Col1_changes) over (order by Datetime) as Col1_Group

在 Col1_Group 中，您可以看到我根据更改对 Column1 进行了分组。最后，我得到每个Col1_Group 中的最大值并将其分配给Column4。

我希望现在很清楚 :) 如果没有，我建议您了解有关窗口函数的更多信息。

所有代码都在这里：

WITH t1 AS (

  SELECT  '2020-12-01 00:00:06 UTC' Datetime,   NULL Column1,  'A0' Column2, 'x' Column3 UNION ALL
  SELECT  '2020-12-01 00:00:16 UTC',           'A1',           'A0',         'x'  UNION ALL
  SELECT  '2020-12-01 00:00:26 UTC',           'A1',           'A1',         'y'  UNION ALL
  SELECT  '2020-12-01 00:00:36 UTC',           'A1',           'A1',         'y'  UNION ALL
  SELECT  '2020-12-01 00:00:46 UTC',           'A1',           'A2',         'z'  UNION ALL
  SELECT  '2020-12-01 00:00:56 UTC',           'A1',           'A2',         'z'  UNION ALL
  SELECT  '2020-12-01 00:00:66 UTC',           NULL,           'A2',         'z'  UNION ALL
  SELECT  '2020-12-01 00:01:06 UTC',           NULL,           'A2',         'z'   
),
t2 AS
(
    select *, 
        IF(Column1 = Column2, Column3, NULL) Col4_temp,
        COALESCE(IF(Lag(Column1) over wd = Column1, 0, 1), 1) as Col1_changes
    from t1
    window wd as (order by Datetime)
),
t3 as
(
    select *,
        sum(Col1_changes) over (order by Datetime) as Col1_Group
    from t2
)
select *,
    MAX(Col4_temp) over (partition by Col1_Group) as Column4
from t3