在 Redshift/SQL 中使用多值列进行过滤

Question

我有一张放着新闻文章的桌子。这些新闻文章有许多描述标题、图片等的栏目。一些列可以有多个值，例如类别可以设置为“运动”和“曲棍球”。

假设我有这张桌子：

articlekey | category
---------------------
article1   | sports, hockey  

实际表格包含很多文章，所有文章只出现一次。我试图实现的是在这个表上过滤类别的两个值。为了能够做到这一点，我将它们分成了几行并生成了一个过滤表，如下所示：

articlekey | category
---------------------
article1   | sports
article1   | hockey

（顺便说一句。我们使用 Tableau 作为可视化/BI 工具，这就是我过滤的地方）

当我将这些加入表格并仅在“曲棍球”上过滤（包含）时，我会得到正确的结果，因为文章 1 只有一行的类别设置为“曲棍球”。

articlekey | category         | category-filter
-----------------------------------------------
article1   | sports, hockey   | sports          <-- this will be excluded
article1   | sports, hockey   | hockey          <-- this is included

但是，如果我尝试排除“曲棍球”，则该文章将显示为“体育”类别，因为它会保留在“体育”类别的结果中。结果我希望它完全排除文章。

articlekey | category         | category-filter
-----------------------------------------------
article1   | sports, hockey   | sports          <-- this is included, but should also be gone
article1   | sports, hockey   | hockey          <-- this will be excluded

如果可能，当我每列有多个值并且需要过滤（包括和排除）以便每篇文章只剩下一行时，我应该如何处理这样的数据。

Answer 1

我。如果您对类别具有“标准化”数据结构，即类别字段中没有多个值（例如在您的“过滤器表”中）：

我认为解决此问题的首选方法是将 1 替换为“曲棍球”，将 0 替换为其他所有内容，然后按 articlekey 将这些数字汇总到组中。总和为 0 的文章键是没有“曲棍球”类别的文章。

所以这是对没有“曲棍球”类别的文章的查询：

select articlekey
from articles 
group by articlekey 
having sum(case when category = 'hockey' then 1 else 0 end) = 0;

您可以概括这一点：例如，如果您需要既不包含“曲棍球”也不包含“运动”但同时包含“足球”和“拳击”类别的文章：

select articlekey
from articles 
group by articlekey 
having sum(
  case when category = 'hockey' then 1
       when category = 'sports' then 1
       else 0 
  end
) = 0
and sum(
  case when category = 'soccer' then 1
       when category = 'boxing' then 1
       else 0 
  end
) = 2;

但你也可以 1.按类别过滤（曲棍球） 2.按articleKey分组 3.计数匹配 4. 左加入

所以这是另一个解决方案：

select * from articles left join (
  select articlekey, count(articlekey) as countOfHockey 
  from articles where category = 'hockey' group by articlekey
) hhh on articles.articlekey=hhh.articlekey where countOfHockey is null;

Sql 小提琴：http://sqlfiddle.com/#!17/27ae1/33

二。如果您有非规范化的类别字段，即类别列表作为逗号分隔的值列表（如在您的原始表中），您可以在它们上使用类似 %% 运算符的 SQL 并编写如下查询：

create table if not exists articles(articlekey varchar, category varchar);
insert into articles values('article1', 'sports, hockey');
insert into articles values('article2', 'sports');
insert into articles values('article3', 'soccer, boxing, sprint');
insert into articles values('article4', 'soccer, sprint');

select * from articles where ', '||category||',' not like '%, hockey,%';

如果您需要既不包含“曲棍球”也不包含“运动”但同时包含“足球”和“拳击”类别的文章，您也可以对此进行概括：

select * from articles where 
', '||category||',' not like '%, hockey,%' and
', '||category||',' not like '%, sports,%' and
', '||category||',' like '%, soccer,%' and
', '||category||',' like '%, boxing,%';

但是请注意，这种方法通常不是在关系数据库中处理数据的首选方法。