用之前的非空值替换空值

如何解决用之前的非空值替换空值

我使用的是基于 Presto 0.172 的 Amazon Athena 引擎版本 1。

考虑示例数据集：

id	日期列	col1
1	01/03/2021	NULL
1	02/03/2021	1
1	15/03/2021	2
1	16/03/2021	NULL
1	17/03/2021	NULL
1	30/03/2021	NULL
1	30/03/2021	1
1	31/03/2021	NULL

我想用最后一个非空值替换表中的所有空值，即我想得到：

id	日期列	col1
1	01/03/2021	NULL
1	02/03/2021	1
1	15/03/2021	2
1	16/03/2021	2
1	17/03/2021	2
1	30/03/2021	1
1	30/03/2021	1
1	31/03/2021	1

我想使用带有 lag 选项的 IGnorE NULLS 函数，但不幸的是，IGnorE NULLS 不受 Athena 引擎版本 1 的支持（Athena 引擎版本 2 也不支持，这是基于 Presto 0.217）。

如何在不使用 IGnorE NULLS 选项的情况下实现所需的格式？

这是生成示例表的一些模板：

WITH source1 AS (
SELECT
 *
FROM (
  VALUES
  (1,date('2021-03-01'),NULL),(1,date('2021-03-02'),1),date('2021-03-15'),2),date('2021-03-16'),date('2021-03-17'),date('2021-03-30'),date('2021-03-31'),NULL)
) AS t (id,date_col,col1)
)

SELECT
  id,col1
-- This doesn't work as IGnorE NULLS is not supported.
-- CASE 
--   WHEN col1 IS NOT NULL THEN col1
--   ELSE lag(col1) OVER IGnorE NULLS (PARTITION BY id ORDER BY date_col) 
-- END AS col1_lag_nulls_ignored
FROM
  source1
ORDER BY
  date_co

解决方法

在查看有关 SO（here 和 here）的类似问题后，以下解决方案适用于所有列类型（包括字符串和日期）：

WITH source1 AS (
SELECT
 *
FROM (
  VALUES
  (1,date('2021-03-01'),NULL),(1,date('2021-03-02'),1),date('2021-03-15'),2),date('2021-03-16'),date('2021-03-17'),date('2021-03-30'),date('2021-03-31'),NULL)
) AS t (id,date_col,col1)
),grouped AS (
SELECT
  id,col1
-- If the row has a value in a column,then this row and all subsequent rows 
-- with a NULL (before the next non-NULL value) will be in the same group.,sum(CASE WHEN col1 IS NULL THEN 0 ELSE 1 END) OVER (
    PARTITION BY id ORDER BY date_col) AS grp
FROM 
 source1
)

SELECT
  id,col1
-- max is used instead of first_value,since in cases where there will
-- be multiple records with NULL on the same date,the first_value may 
-- still return a NULL.,max(col1) OVER (PARTITION BY id,grp ORDER BY date_col) AS col1_filled,grp
FROM
  grouped 
ORDER BY
  date_col