我希望从csv文件中的重复记录组中获得一些相当简单的统计数据。(统计数据很简单,但提取它们更具挑战性。)
我希望得到一些帮助,把一些sqlite代码组合在一起,帮助我做到这一点。对我来说,能够解释我正在尝试做的事情的最好方法是通过示例。
示例1
Line | Duplicate Id | Created by | Company Name | Account Owner | Created by Team | Owner Team
1 rbt1546 John Smith SMR Inc. John Smith Inside Sales Inside Sales
2 rbt1546 John Smith SMR Corp John Smith Inside Sales Inside Sales
3 mnd1452 Jen Davis RMX Inc. Rob Diaz Lead Gen Inside Sales
4 mnd1452 John Smith RMX Inc. Rob Diaz Inside Sales Inside Sales
5 mnd1452 Jen Davis RMX John Smith Lead Gen Inside Sales在上面的示例中,我们有两个示例,其中相同的人创建了重复的帐户。(我们将这些案例称为“乌龙球”。)约翰·史密斯进了1个乌龙球(第2行),Jen Davis也是如此(第5行)。在此数据集中,1个own目标由内部销售创建,1个由lead gen团队创建。(这些是我希望从csv中的62,000行数据中提取的统计数据。)
当涉及到针对这种性质的问题编写sqlite查询时,我不确定从哪里开始。
做这件事最好的方法是什么?
发布于 2020-08-21 15:40:34
如果你希望所有的重复账户都是由同一个人创建的,那么你可以使用ROW_NUMBER()窗口函数来实现:
SELECT *
FROM (
SELECT *, ROW_NUMBER() OVER (PARTITION BY DuplicateId, Createdby ORDER BY Line) rn
FROM tablename
)
WHERE rn > 1如果有其他列,而不是Line,比如表示帐户创建顺序的日期,那么在ORDER BY中使用该列。
发布于 2020-08-21 23:21:40
这可能只是一个简单聚合的例子:
对于乌龙球的计数,看起来你说的第一个记录之外的任何东西都是重复计数的开始,所以我使用count(*) -1作为进球数:
SELECT duplicateid, createdby, count(*)-1 as count_own_goals
FROM tablename
GROUP BY duplicateid, createdby
HAVING count(*) > 1对于团队目标的计数:
SELECT duplicateid, createdbyteam, count(*)-1 as count_team_goals
FROM tablename
GROUP BY duplicateid, createdbyteam
HAVING count(*) > 1https://stackoverflow.com/questions/63516102
复制相似问题