配置单元：select 前第 n 行具有列的最小值

Question

我有这样的数据

ID  START_DATE STATUS
10  2013-05-29 FREE
10  2013-05-29 PAID
10  2014-05-30 PAID
10  2014-11-29 FREE
10  2014-12-02 PAID
10  2015-09-29 PAID
10  2015-12-02 PAID
10  2016-04-04 PAID
10  2016-04-05 FREE

我的输出应该只包含状态 = "FREE" 的行。每次状态为免费时，我需要获取状态 = "PAID".

的前一个最小日期

ID STATUS PREVIOUS_MIN_PAID_START_DATE
10 FREE   NULL
10 FREE   2013-05-29
10 FREE   2014-12-02

LAG()函数只给出前一个值，如何获取前一个最小值（第n个）？

SELECT
  ID,
  STATUS,
  LAG(CASE WHEN STATUS = 'PAID' THEN  START_DATE, 1)  
     OVER (PARTITION BY ID ORDER BY START_DATE) AS previous_paid_start_date
FROM
  TEMP
WHERE
  STATUS = 'FREE'

Answer 1

不确定您为什么会收到反对票，我认为这是一个非常有趣（并且描述得很好的问题）。无论如何，这是 一种方法 来做到这一点，尽管我必须承认它感觉不是最理想的和 hacky。

基本上，您需要的是创建一组 "current" FREE 和所有后续 PAID 直到到达下一个 FREE 的索引（我希望我已经正确理解了这一点）。举例说明：

id  start_date status idx
10  2013-05-29 FREE   0
10  2013-05-29 PAID   1 
10  2014-05-30 PAID   1
10  2014-11-29 FREE   1
10  2014-12-02 PAID   2
10  2015-09-29 PAID   2
10  2015-12-02 PAID   2
10  2016-04-04 PAID   2
10  2016-04-05 FREE   2

然后从那里你可以获得最小值 start_date，其中状态为 PAID，超过了 id 的 window 和新创建的索引。

查询:

WITH tmp_table AS (
  SELECT *
    , SUM(flg) OVER (PARTITION BY id ROWS UNBOUNDED PRECEDING) AS s
  FROM (
    SELECT *
      , LEAD(CASE WHEN status='FREE' THEN 1 ELSE 0 END, 1, 0) OVER (PARTITION BY id) AS flg
    FROM database.original_table) x )

SELECT id
  , status
  , prev_date
FROM (
  SELECT t.id, t.status, t.s, b.prev_date
  FROM tmp_table t
  LEFT OUTER JOIN (
    SELECT id, s, MIN(start_date) AS prev_date
    FROM tmp_table
    WHERE status='PAID'
    GROUP BY id, s ) b
  ON b.id=t.id AND b.s=t.s ) f
WHERE status='FREE'

输出:

id status prev_date
10 FREE   NULL
10 FREE   2013-05-29
10 FREE   2014-12-02

配置单元：select 前第 n 行具有列的最小值

Hive: select previous nth row with minimum value for a column

hadoop

hive

hiveql