使用 SQL 查找具有极值的行答案

【问题标题】：Finding lines with extreme values using SQL使用 SQL 查找具有极值的行
【发布时间】：2015-08-10 12:21:33
【问题描述】：

我有一个表 t1，有 4 列：

key, cd, date, result_num

在 SAS 中，我们有以下代码：

PROC SQL;
    create table t2 AS
    select * from t1
    group by key
    having date = MAX(date)
    order by key, cd;
RUN;

我的印象是，在使用聚合函数（例如 MAX）时选择的所有列都必须在 group by 中或应用聚合函数。我的目标是将此 SAS 代码转换为 SQL，有没有办法在 SQL 中执行此操作（更具体地说是 hiveQL）？

【问题讨论】：

这个“SAS 代码”已经是 SQL，因为它在 PROC SQL 中。但是，您确实忘记了 order 子句后的分号。你到底在尝试什么？
抱歉，修正了那个错字。我没有编写此代码，但假设它正在获取每个键的日期最大的行。 @DirkHorsten
关于：*我的印象是，使用聚合函数（例如 MAX）时选择的所有列都必须在 group by 中或应用聚合函数。 *SQL 的 SAS 实现允许选择其他变量并将结果合并回来。这可能是一个非常有用的功能，也可能是不受欢迎的功能，具体取决于用户。

标签： sql group-by hive sas proc-sql

【解决方案1】：

诀窍是访问您的输入表两次：一次用于计算最大日期，一次用于选择适当的数据

如果您查找日期是整个表中出现的最高日期的行，即

PROC SQL;
    create table t2 AS
    select * from t1
    where date = (select MAX(date) from t1)
    order by key, cd;
RUN;

如果您查找日期是同一键的最高日期的行，即

PROC SQL;
    create table t2 AS
    select * from t1 inner join 
    (  select MAX(date) as maxDate 
       from t1  
       group by key) as m1 
       on m1.key = t1.key and m1.maxDate = t1.date
    order by key, cd;
RUN;

【讨论】：

在 OP 的 SAS 代码中，我不确定它是选择日期等于给定键的 max(date) 的所有行，还是只选择一行.按键分组意味着您的结果集将仅包含不同的键，对吗？如果有 2 行 key 和 date 重复，并且 date 也恰好是 max(date)，会发生什么？ @DirkHorsten
原始 SAS 代码没有删除重复观察的逻辑。因此，如果 MAX(date) 与 KEY 的特定值存在关联，则将选择所有此类观察。
试试select distinct

【解决方案2】：

我认为您的查询在 SAS 中没有做您想做的事情。 . .也许确实如此。在标准 SQL（和 Hive）中，您可以这样做：

create table t2 AS
    select *
    from (select t1.*,
                 row_number() over (partition by key order by date desc) as seqnum
          from t1
         ) t1
    where seqnum = 1
    order by key, cd;

【讨论】：

添加order子句后是否忘记删除分号？
这不会只选择一行吗？而在 OP 中，如果它们都包含 MAX（日期），则可以选择多行？ @GordonLinoff
@Danzo 。 . .如果您想要重复，请使用rank() 而不是row_number()。通常这种逻辑的目的是每组得到一行，但你的观察是正确的。在大多数数据库中，我希望这比使用子查询的版本更快。
您的查询试图在存在平局时仅返回一个观察结果，这是与原始代码不同的查询。原始代码在 SAS 中工作，但在 SAS 的其他实现中它可能是无效的，因为它选择的变量既不是 GROUP BY 列表或聚合统计信息的一部分。但 SAS 允许这样的查询。
@Tom 。 . .我不知道你的意思是什么。如前所述，如果您想要领带，请使用rank()。没有group by，因此您的其余评论无关紧要。