根据 String 在 SQL (Snowflake) 中选择一行

Question

所以我有一个硬汉，我已经绞尽脑汁了一段时间。

假设我有一个 table 如下：

ID      Group                 Timestamp   Data
001         A   2021-04-13 12:51:12.063   content121
001  A-Direct   2021-04-13 12:52:13.063   content121
002  A-Direct   2021-04-13 12:50:14.063   content133
003  B-Direct   2021-04-13 12:55:12.063   content132
003         B   2021-04-13 12:56:11.063   content142
003        BA   2021-04-13 12:57:22.063   content153
004         D   2021-04-13 12:10:23.063   content113
004         C   2021-04-13 12:11:43.063   content144
005         C   2021-04-13 12:12:12.063   content111
005         A   2021-04-13 12:13:23.063   content100
005  D-Direct   2021-04-13 12:15:23.063   content121
006         A   2021-04-13 12:51:12.063   content121
006  B-Direct   2021-04-13 12:52:13.063   content121
007  A-Direct   2021-04-13 12:51:12.063   content121
007         A   2021-04-13 12:52:13.063   content121
008  B-Direct   2021-04-13 12:55:12.063   content132
008         B   2021-04-13 12:56:11.063   content142
008  B-Direct   2021-04-13 12:57:22.063   content153
009  B-Direct   2021-04-13 12:55:12.063   content132
009  C-Direct   2021-04-13 12:56:11.063   content142
009  D-Direct   2021-04-13 12:57:22.063   content153

所以我需要一个 table，其中每一行包含一个不同的 ID。但是选择ID的标准有点复杂。

默认选择应该是最近的条目，通过TIMESTAMP选择。

但复杂性来自任何具有 -Direct 行的 ID。具体来说，如果一行有多个条目并且一个是（例如）A，另一个是 A-Direct，我们需要 A。只有当字母匹配时才会出现这种情况。正如在 ID = 006 的例子中看到的，我们想要 B-Direct 因为它的对应物是 A.

所以我要寻找的核心逻辑是

如果 ID 有以相同字符串开头的行，其中一行以 -Direct 结尾，请将其替换为删除的 -Direct。

最终输出：

ID      Group
001         A
002  A-Direct
003        BA
004         C
005  D-Direct
006  B-Direct
007         A
008         B
009  D-Direct

为了更加清楚，这里概述了每个 ID 发生的情况：

ID 001：A 后面跟着 A-Direct 所以我们用 A-Direct 代替 A
ID 002: A-Direct 是唯一的结果，简单！
ID 003：BA、B、B-Direct 是不同的，因此我们坚持使用最新的 BA.
ID 004: 没有直接的，所以我们只取最近的，C
ID 005: D-Direct 是最近的，但是因为没有 D ，所以我们坚持使用 D-Direct
ID 006: B-Direct 是最近的，但是因为没有 B ，所以我们坚持使用 B-Direct
ID 007: A-Direct 后面是 A 所以我们只取最近的一个，没问题。
ID 008: B和B-Direct (x2)出现在这里，因此我们可以使用B.
ID 009：所有选项都是直接的，所以我们选择最近的选项，D-Direct

我知道如何获取最新的，但根据上述标准，我不确定如何调整

WITH data AS (
    select d.*,
        rank() over (
            partition by ID
            order by TIMESTAMP DESC
        ) as num
    FROM table d
)
select ID, TIMESTAMP
    from data
    where num = 1

Answer 1

我可能会从以下内容开始。它不是非常漂亮，所以可能有更好的解决方案，但我认为它可以满足您的需求。

WITH data AS (
    select d.*,
        rank() over (
            partition by ID
            order by TIMESTAMP DESC
        ) as num
    FROM table d
)
select ID, 
 CASE 
  WHEN EXISTS (SELECT * FROM table t WHERE t.id = d.id AND t.group || '-Direct' = d.group) 
   THEN replace(d.group, '-Direct') 
   ELSE d.group 
 END group
    from data d
    where num = 1

这会为每个 id 获取最近的一个（使用您当前的代码），但是 case/exists 语句中的 select 子句会检查是否存在匹配项“-Direct”，如果是，我们从字符串中删除“-Direct”。

Answer 2

使用：

SELECT ID
   ,CASE WHEN MIN(group) OVER(PARTITION BY ID, REPLACE(group, '-Direct'))
             = MAX(group) OVER(PARTITION BY ID, REPLACE(group, '-Direct'))
         THEN group
         ELSE REPLACE(group, '-Direct')
    END AS grp
FROM tab
QUALIFY RANK() OVER(PARTITION BY ID ORDER BY TIMESTAMP DESC) = 1;

Qualify 确保采用每个时间戳的最新值，并且 case 表达式处理“-Direct”覆盖。

根据 String 在 SQL (Snowflake) 中选择一行

Selecting a row in SQL (Snowflake) based on String

sql

string

window-functions

partition

snowflake-cloud-data-platform