使用 Snowflake SQL 用最近的非 null 填充值答案

【问题标题】：Fill in values with the most recent non null with Snowflake SQL使用 Snowflake SQL 用最近的非 null 填充值
【发布时间】：2021-01-18 23:38:47
【问题描述】：

这是我的值表

id    category   

A     Apple
A     NULL     
A     Apple
B     NULL      
B     Pear
B     Pear
B     Peach
B     NULL
B     NULL
C     NULL
C     NULL
C     Apple

这就是我想要的桌子

id    category   

A     Apple
A     Apple     
A     Apple
B     NULL      
B     Pear
B     Pear
B     Peach
B     Peach
B     Peach
C     NULL
C     NULL
C     Apple

这些是我要应用的规则；

如果 category 为 null，则使用最新的类别（针对该 id）填写它
如果该 id 的上述类别没有值，则保持为空

我们可以想象有第三列称为日期，这就是数据的排序依据

我尝试使用first_value()，但我只是得到了类别列的空值

我在 Snowflake 实例上使用 SQL

【问题讨论】：

标签： sql snowflake-cloud-data-platform

【解决方案1】：

你似乎想要lag(. . . ignore nulls)。只有一件事：SQL 表代表无序集（技术上是多集）。您需要一列来指定顺序。

所以：

select t.*,
       coalesce(lag(category ignore nulls) over (partition by id order by <ordering col>) as imputed_category
from t;

实际上，last_value() 不需要coalesce() 就可以做到这一点：

select t.*,
       last_value(category ignore nulls) over (partition by id order by <ordering col>) as imputed_category
from t;

【讨论】：

这个值和第一个值有什么区别？
@Cauder 。 . . first_value() 获取出现的第一个值。 lag() 和 last_value() 获取最新的行——当然基于一些排序列。
我是否需要在最后一个值上添加一个窗口框架，以便它获取当前行的最新值？与在以下行中包含值相反
我认为 first_value 或 last_value 也可以，但是 ID = B 意味着 LAG() 与合并是要走的路。
这就是我的选择：coalesce(category, last_value(category ignore nulls) over (partition by id order by date rows between unbounded preceding and current row))

【解决方案2】：

语法是：

FIRST_VALUE( ) [ { 忽略 |尊重}空] OVER ( [ PARTITION BY ] ORDER BY [ { ASC | DESC } ] [ ] )

默认为IGNORE NULLS，但如果您指定IGNORE NULLS，您将不会得到它们。

这里是文档链接，如果需要的话：

https://docs.snowflake.com/en/sql-reference/functions/first_value.html

【讨论】：

这是否适用于示例表中的 ID = B？我想知道它是否会选择梨而不是桃子
啊，不，你的结果比我最初的结果更有趣，我没有仔细研究那里的细节。这是一个更复杂的查询，因为您正在寻找系列中最后一个不为空的值，而不是系列中的第一个值。请改用LAG()。