如何解决加入两个数据集以获得最佳结果
提前谢谢!这不是一个长期的问题,但希望它是简洁明了的。
两个数据集都将相似区域的数据以相同的粒度呈现。
第一个数据集每个季节的每个月都有多个快照,因此对于一个季节的同一谷物,每个季节的每个指标都有三个不同的度量值。
数据集1(国家/地区,季节,月份,指标是列名) (1.秋天,9 / 1,1是该列的记录)
国家/地区 季节 月份 指标
- A,秋天,9/1,1
- A,秋天,10 / 1,2
- A,秋天,11 / 1,3
其中第二个数据集一个季节有一个快照(每个季节仅一个月),因此每个季节只有一个快照。
数据集2
国家/地区 季节 月份 指标
- A,秋天,9/1,4
国家/地区 季节 月份 metric1 metric2
-
A,秋天,9 / 1,1,4
-
A,秋天,10 / 1,2,
-
A,秋天,11 / 1,3,
** 请注意,如果使用nvl,则10/1和11/1的metric2为空白或为零,但我们需要填充 这两个月的值也都等于4 我们如何实现这一目标
或FINAL OUTPUT应该看起来像这样
国家/地区 季节 月份 metric1 metric2
-
A,秋天,9 / 1,1,4
-
A,秋天,10 / 1、2、4
-
A,秋天,11 / 1,3,4
解决方法
我完全不了解Snowflake,但假设它使用的是相当标准的SQL,那么它应该很简单:
SELECT a.country,a.season,a.month,a.metric AS metric1,b.metric AS metric2
FROM dataset1 a
INNER JOIN dataset2 b
ON a.country = b.country AND a.season = b.season
即它不需要完全的外部连接,只需要在国家和季节进行匹配即可。 附言如果您在问题中显示尝试过的SQL,将会很有帮助。
,更改加入条件。
不仅仅是使用
Dataset1.country = Dataset2.country
and Dataset1.month = Dataset2.month
将连接中的条件用作-
Dataset1.country = Dataset2.country
and Dataset1.month >= Dataset2.month
现在我不知道月份的数据类型。我已经给出了逻辑,但是要进行实际比较,您可能需要根据需要使用> =
进行类型转换 ,使用left join
和窗口函数。这是一种方法:
SELECT d1.country,d1.season,d1.month,d1.metric AS metric1,COALESCE(d2.metric,LAG(d2.metric IGNORE NULLS) OVER (PARTITION BY d1.country ORDER BY d1.month)
) AS metric2
FROM dataset1 d1 LEFT JOIN
dataset2 d2
ON d2.country = d1.country AND d2.season = d1.season;
您没有为输入值指定确切的逻辑,因此采用最新的非NULL
值。
版权声明:本文内容由互联网用户自发贡献,该文观点与技术仅代表作者本人。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如发现本站有涉嫌侵权/违法违规的内容, 请发送邮件至 dio@foxmail.com 举报,一经查实,本站将立刻删除。