Question

我有一张购买决策表，如下所示：

org_id    item_id    spend
--------------------------
123        AAB         2
123        AAC         4
124        AAB        10
124        AAD         5

我想查找仅由三个或更少的组织购买的所有商品，然后我想通过总计支出以及组织的ID来订购它们。

这是我获取该列表中项目的查询：

SELECT
  item_id,
  EXACT_COUNT_DISTINCT(org) AS org_count,
  SUM(spend) AS total_spend
FROM
  [mytable]
GROUP BY
   item_id
HAVING
  org_count < 4
ORDER BY
  total_spend DESC

它给我的结果如下：

item_id    total_spend
--------------------------
AAB         12
AAC         4
AAD         5

但我需要扩展此查询以返回这些组织的ID。

这可能在一个查询中，还是我需要在多个查询中执行？

获取组织ID的查询如下：

SELECT 
  org 
FROM 
  mytable
WHERE item_id IN (SELECT item_id ... etc, query as above)

但我不确定如何将两者粘合在一起。

更新：理想情况下，我最终得到的东西与原始表格很相似，但只包含三个或更少组织购买的商品：

org_id    item_id    spend
--------------------------
123        AAB         2
123        AAC         4
124        AAB        10
124        AAD         5

Answer 1

尝试这样的查询。在结果集中，您将看到由那里或更少的组织和总支出购买的所有项目

SELECT T2.org_id,
       T.item_id
FROM table AS T2
JOIN
    (SELECT item_id,
           SUM(spend) AS total_spend 
    FROM table AS T
    GROUP BY T.item_id
    HAVING COUNT(DISTINCT org_id) < 4) AS T ON T.item_id = T2.item_id
ORDER BY T.total_spend DESC

Answer 2

您想要的功能是GROUP_CONCAT()。但是，bigquery中没有DISTINCT选项。所以，使用子查询：

SELECT item_id, COUNT(*) AS org_count,
       SUM(io_spend) AS total_spend,
       GROUP_CONCAT(org, ', ') as orgs
FROM (SELECT item_id, org, SUM(spend) as io_spend
      FROM t
      GROUP BY item_id, org
     ) io
GROUP BY item_id
HAVING org_count < 4
ORDER BY total_spend DESC;

编辑：

如果您对单独行中的ID感兴趣，那么以下是可能在Bigquery中有效的SQL版本：

SELECT item_id, org,
       SUM(spend) as org_spend,
       SUM(SUM(spend)) OVER (PARTITION BY item_id) as total_spend,
       COUNT(*) OVER (PARTITION BY item_id) as numOrgs
FROM t
GROUP BY item_id, org
HAVING numOrgs < 4;

Answer 3

在BigQuery中 - JOIN 有时候会非常头疼（取决于多种因素），因此在您的工具库中使用一些非连接解决方案总是好的。

以下是基于Window functions的几个例子：我认为从实践和学习前景来看，它们都很有趣

选项＃1 - 使用group_concat / regexp技巧

SELECT org_id, item_id, spend
FROM (
  SELECT org_id, item_id, spend,
    GROUP_CONCAT(STRING(org_id)) OVER(PARTITION BY item_id) AS orgs
  FROM table
)
WHERE 1 + LENGTH(REGEXP_REPLACE(orgs, r'[^,]', '')) < 4
ORDER BY item_id, org_id

选项＃2 - 假设每个项目的平均数量组织不是太大（因此计数明显不那么精确）：

SELECT org_id, item_id, spend
FROM (
  SELECT org_id, item_id, spend,
    COUNT(DISTINCT org_id) OVER(PARTITION BY item_id) AS orgs
  FROM table
)
WHERE orgs < 4
ORDER BY item_id, org_id

SQL：如何将多个查询连接在一起？

3 个答案: