SQL：运行不同值的总数

Question

我正在尝试在 window 中获取唯一值的滚动数。

这是我的 table 的样子：

SELECT 
   user_id
   , order_date
   , product
FROM example_table 
WHERE user_id = 1 
ORDER BY order_date ASC

user_id	order_date	product
1	2021-01-01	A
1	2021-01-01	B
1	2021-01-04	A
1	2021-01-07	C
1	2021-01-09	C
1	2021-01-20	A

这是我想要实现的目标：

user_id	order_date	product	cum_dist_count
1	2021-01-01	A	1
1	2021-01-02	B	2
1	2021-01-04	A	2
1	2021-01-07	C	3
1	2021-01-09	C	3
1	2021-01-20	A	3

换句话说，我希望能够看到客户到目前为止购买了多少独特的商品，并且能够看到特定日期的数量（因此对于上面的示例：在 2021-01-04 他们购买了 2 件独特的商品，2021 年 1 月 7 日，这个数字是 3 件）。

我尝试通过在 CTE 中选择 user_id 和乘积以及 min(order_date) 进行分组，然后在 user_id 和乘积上执行 ROW_NUMBER CTE 并且它部分起作用了——我能够看到独特产品的数量发生变化的日期（所以对于这个例子：2021-01-01、2021-01-02 和 2021-01-07，但后来我松开了这些行“ between”，我仍然希望能够访问它。

with cte as (
   SELECT 
      user_id
      , product
      , min(order_date) as first_order
   FROM example_table 
   GROUP BY 1,2
   ORDER BY order_date ASC
)

SELECT
   user_id
   , first_order
   , product
   , ROW_NUMBER() OVER (PARTITION BY user_id, product ORDER BY first_order) AS number_of_unique_products
WHERE user_id = 1

通过以上，我会得到：

user_id	order_date	product	cum_dist_count
1	2021-01-01	A	1
1	2021-01-02	B	2
1	2021-01-07	C	3

数据库在 BigQuery StandardSQL 中。

非常感谢任何帮助！

Answer 1

对于每个项目，您可以记录它出现的最早日期。然后将它们加起来：

select et.* except (seqnum),
       countif(seqnum = 1) over (partition by user_id order by order_date) as running_distinct_count
from (select et.*,
             row_number() over (partition by user_id, product order by order_date) as seqnum
      from example_table et
     ) et

Answer 2

以下适用于 BigQuery

select * except(cum_products),
  (select count(distinct product) from t.cum_products product) as cum_dist_count
from (
    select *, 
      array_agg(product) over prev_rows as cum_products
    from example_table
    window prev_rows as (partition by user_id order by order_date)
) t

如果应用于您问题中的示例数据

with example_table as (
  select 1 user_id, '2021-01-01' order_date, 'A' product union all
  select 1, '2021-01-02', 'B' union all
  select 1, '2021-01-04', 'A' union all
  select 1, '2021-01-07', 'C' union all
  select 1, '2021-01-09', 'C' union all
  select 1, '2021-01-20', 'A' 
)

输出是

SQL：运行不同值的总数

SQL: Running total count of distinct values

sql

aggregate-functions

cumulative-sum

google-bigquery

SQL：运行 不同值的总数

SQL: Running total count of distinct values

sql

aggregate-functions

cumulative-sum

google-bigquery

SQL：运行不同值的总数