最近在弄新组用户画像标签（特征）工程，需要提取用户一些标签排序前n的数据。格式如下：
|
|
标签1 |
标签2 |
标签3 |
|
用户编号1 |
0 |
23 |
12 |
|
|
。。。 |
。。。 |
。。。 |
新建三列作为三个标签数值的排名，截断top30并输出，类似于标签1_rank<30 and 标签2_rank<30 and 标签3_rank<30
但对同一个用户聚合所有标签下的值后，出来后，发现每一次的运行结果都不一样，与原表中的数据对不上。一步一步重新跑sql，发现代码似乎也看不出什么问题，头疼得不行。
直到找了一个厉害的大佬请教，才发现原因是因为用了row_number作为排序函数，row_number会对相同的数字随机排序，并从小到大编号，我的问题就在于，有很多为0的值被随机排序了，而我在截断top30时用的语句是标签1_rank<30 and 标签2_rank<30 and 标签3_rank<30，导致有的标签1为0，其他标签不为0的数据也被截断了，如下表，因为标签1_rank为31的用户编号1就这么带着它的有效数据一起消失了。。。
|
|
标签1 |
标签2 |
标签3 |
标签1_rank |
标签2_rank |
标签3_rank |
|
用户编号1 |
0 |
23 |
12 |
31 |
1 |
3 |
|
|
。。。 |
。。。 |
。。。 |
。。。 |
。。。 |
。。。 |
后来用dense_rank代替row_number这个问题就解决了。。。
至于value，row_number, rank, dense_rank有什么不同，看下图。。。