Redshift：在列表中查找 MAX 忽略非增量数字答案

【问题标题】：Redshift: Find MAX in list disregarding non-incremental numbersRedshift：在列表中查找 MAX 忽略非增量数字
【发布时间】：2015-11-23 22:30:18
【问题描述】：

我在一家体育电影分析公司工作。我们有具有唯一团队 ID 的团队，我想找出他们从今天开始向后将电影上传到我们网站的连续周数。每个上传在单独的表格中也有自己的行，我可以加入 teamid 并有一个唯一的上传日期。到目前为止，我整理了一个简单的查询，该查询提取了每个唯一的 DATEDIFF(week) 值和 teamid 上的组。

Select teamid, MAX(weekdiff)
(Select teamid, DATEDIFF(week, dateuploaded, GETDATE()) as weekdiff 
from leroy_events
group by teamid, weekdiff)

我得到的是一个团队 ID 列表和唯一的每周日期差异。然后我想在不破坏 1 的增量的情况下找到每个 teamID 的最大值。例如，如果我的数据集是：

Team     datediff
11453    0
11453    1
11453    2
11453    5
11453    7
11453    13

我希望团队的最大值：11453 为 2。

任何想法都会很棒。

【问题讨论】：

标签： sql postgresql amazon-redshift gaps-and-islands

【解决方案1】：

假设我已经有一个带有weekdiff 列的表，我已经简化了您的示例。这就是你用DATEDIFF 来计算它所做的事情。

首先，我使用LAG() 窗口函数将weekdiff 的前一个值（在有序集中）分配给当前行。

然后，使用WHERE 条件，我正在检索max(weekdiff) 值，该值具有先前的值，即current_value - 1 连续weekdiffs。

数据：

create table leroy_events ( teamid int, weekdiff int);
insert into leroy_events values (11453,0),(11453,1),(11453,2),(11453,5),(11453,7),(11453,13);

代码：

WITH initial_data AS (
Select 
    teamid, 
    weekdiff,
    lag(weekdiff,1) over (partition by teamid order by weekdiff) as lag_weekdiff
from
    leroy_events
)
SELECT
  teamid,
  max(weekdiff) AS max_weekdiff_consecutive
FROM
  initial_data
WHERE weekdiff = lag_weekdiff + 1 -- this insures retrieving max() without breaking your consecutive increment
GROUP BY 1

SQLFiddle 与您的示例数据一起查看此代码的工作原理。

结果：

teamid  max_weekdiff_consecutive
11453   2

【讨论】：

非常感谢您的帮助。这是否也会影响在频谱后期开始的数字系列？例如，具有 45、46、47 的 weekdiff 数据集的团队......此查询会返回 47，还是根本不返回？如果是返回47，有没有办法完全不返回？
我在上面评论中的问题可能已经被约翰在下面的回答中回答了。他能够进行 CASE 比较，看看 MIN 是否等于 0。结合您在这里的回答，看起来我有一个很棒的最终产品！
是的，这是可能的，但我看到 John 已经在这方面为您提供了帮助。请记住为帮助您解决问题的答案投票。

【解决方案2】：

您可以使用 SQL 窗口函数来探测表中各行之间的关系。在这种情况下，lag() 函数可用于查看与给定顺序和分组相关的前一行。这样您就可以确定给定行是否是一组连续行的一部分。

您仍然需要整体聚合或过滤以将每个感兴趣的组（即每个团队）的行数减少到 1。在这种情况下聚合很方便。总的来说，它可能看起来像这样：

select
  team,
  case min(datediff)
    when 0 then max(datediff)
    else -1
  end as max_weeks
from (
    select
      team,
      datediff,
      case
        when (lag(datediff) over (partition by team order by datediff) != datediff - 1)
          then 0
        else 1
      end as is_consec
    from diffs
  ) cd
where is_consec = 1
group by team

内联视图只是在数据中添加一个is_consec 列，标记每一行是否是一组连续行的一部分。外部查询对该列进行过滤（您不能直接在窗口函数上进行过滤），并从每个团队的剩余行中选择最大的datediff。

这里有一些微妙之处：

内联视图中的case 表达式按原样编写，以利用为每个分区的第一行计算的lag() 将是NULL，它不会计算不等（也不等于）任何值。因此，每个分区中的第一行总是被标记为连续的。
外部select 子句中的case 测试min(datediff) 会选择没有datediff = 0 记录的团队，并将-1 分配给max_weeks 列。
如果他们组中的第一个没有datediff = 0，也可以将行标记为非连续行，但这样你就会从结果中完全失去这些团队。

【讨论】：