列向量和派生位向量的加权和

Question

我们有 table 两个买家的出价和尺寸。出价 p 尺寸 s 表示买家愿意以价格购买 s 数量的产品p。我们有一个包含四列的 table：

两个买家的出价，pA和pB.
出价大小，sA 和 sB。

我们的工作是向 table 添加一个新的最佳尺码列 (bS)，即 returns 最佳价格的尺码。如果两个买家的价格相同那么 bS 等于 sA + sB，否则，我们需要取买家的出价大小提供更高的价格。

下面是一个具有所需输出的示例 table。

问题的简单解决方法：

SELECT pA, pB, sA, sB,
  CASE
    WHEN pA = pB THEN sA + sB
    WHEN pA > pB THEN sA
    ELSE sB
  END AS bS
FROM t

现在让我们将问题概括为四个买家。一个标准的 SQL 解决方案是

WITH t_ext AS (
SELECT *, GREATEST(pA, pB, pC, pD) as bestPrice
FROM `t` 
)
SELECT *, (sA * CAST(pA = bestPrice AS INT64) + 
           sB * CAST(pB = bestPrice AS INT64) + 
           sC * CAST(pC = bestPrice AS INT64) +
           sD * CAST(pD = bestPrice AS INT64)) 
AS bS FROM t_ext

问题 1)

是否有一个简化的查询

使用函数 SUM 而不是手动添加四项
避免重复投射？

问题 2)

Google BigQuery 生态系统中是否有办法将此查询重复用于另一个具有列名的 table，例如priceA, priceB 而不是 pA, pB?

顺便说一句。我写了一篇关于这个问题的 blog post 文章，重点关注 Python 和 Q 中的解决方案，我想知道标准 sql 中的最佳解决方案是什么样的。

Answer 1

以下是针对 BigQuery 标准的 SQL 一个足够通用的数据集，不依赖于购买者的数量以及价格和尺寸字段的命名。唯一的期望是所有价格都先出现，然后是您示例中的所有相应尺寸。我还假设所有数字都是整数（如有问题的示例），但这可以调整以处理 FLOAT

#standardSQL
WITH t_ext AS (
  SELECT * EXCEPT(arr), 
    ARRAY(SELECT CAST(val AS INT64) FROM UNNEST(arr) val WITH OFFSET WHERE OFFSET < 4) AS prices,
    ARRAY(SELECT CAST(val AS INT64) FROM UNNEST(arr) val WITH OFFSET WHERE OFFSET >= 4) AS sizes,
    (SELECT MAX(CAST(val AS INT64)) FROM UNNEST(arr) val WITH OFFSET WHERE OFFSET < 4) AS bestPrice
  FROM (
    SELECT *, REGEXP_EXTRACT_ALL(TO_JSON_STRING(T), r':(\d+)') AS arr
    FROM `project.dataset.table` t
  )
)
SELECT * EXCEPT(prices, sizes), 
  (SELECT SUM(size)
    FROM UNNEST(prices) price WITH OFFSET
    JOIN UNNEST(sizes) size WITH OFFSET
    USING(OFFSET) 
    WHERE price = bestPrice
  ) AS bS
FROM t_ext

您在上述查询中唯一需要更改的是买家数量 - 在下面的表达式中（在下面的表达式中 - 4 可以替换为 ARRAY_LENGTH(arr) / 2

WHERE OFFSET < 4
WHERE OFFSET >= 4
WHERE OFFSET < 4

例如，对于以下虚拟数据（4 个买家）

#standardSQL
WITH `project.dataset.table` AS (
  SELECT 1 pA, 2 pB, 3 pC, 4 pD, 1 sA, 1 sB, 1 sC, 5 sD UNION ALL
  SELECT 1, 4, 2, 4, 1, 6, 1, 5 UNION ALL
  SELECT 4, 4, 2, 1, 7, 1, 1, 1
), t_ext AS (
  SELECT * EXCEPT(arr), 
    ARRAY(SELECT CAST(val AS INT64) FROM UNNEST(arr) val WITH OFFSET WHERE OFFSET < 4) AS prices,
    ARRAY(SELECT CAST(val AS INT64) FROM UNNEST(arr) val WITH OFFSET WHERE OFFSET >= 4) AS sizes,
    (SELECT MAX(CAST(val AS INT64)) FROM UNNEST(arr) val WITH OFFSET WHERE OFFSET < 4) AS bestPrice
  FROM (
    SELECT *, REGEXP_EXTRACT_ALL(TO_JSON_STRING(T), r':(\d+)') AS arr
    FROM `project.dataset.table` t
  )
)
SELECT * EXCEPT(prices, sizes), 
  (SELECT SUM(size)
    FROM UNNEST(prices) price WITH OFFSET
    JOIN UNNEST(sizes) size WITH OFFSET
    USING(OFFSET) 
    WHERE price = bestPrice
  ) AS bS
FROM t_ext

结果是

Row pA  pB  pC  pD  sA  sB  sC  sD  bestPrice   bS   
1   1   2   3   4   1   1   1   5   4           5    
2   1   4   2   4   1   6   1   5   4           11   
3   4   4   2   1   7   1   1   1   4           8

列向量和派生位向量的加权和

Weighted sum of a column vector and a derived bit vector

google-bigquery

bigquery-standard-sql