基于条件的SQL排名

Question

我正在尝试添加另一个名为 session_id 的列。我想根据date_time之间的时间差超过30分钟的条件进行排名，那么这将被视为另一个会话。这是我正在尝试做的一个例子：

日期差异	日期_时间	session_id
0	2023-01-18 00:01:40.000000	1
0	2023-01-18 00:01:42.000000	1
0	2023-01-18 00:01:46.000000	1
93	2023-01-18 01:34:38.000000	2
0	2023-01-18 01:34:38.000000	2
27	2023-01-18 02:01:59.000000	2
1	2023-01-18 02:02:00.000000	2
89	2023-01-18 03:31:40.000000	3

所以只要 date_diff 分钟数超过 30，就会被归类为新会话。

Answer 1

在 Redshift 中可能有更好的方法来做到这一点，我没有，但你可以尝试这样的事情：

SELECT Datetime, date_diff, 
  SUM(CASE WHEN date_diff > 30 THEN 1 ELSE 0 END) OVER (ORDER BY Datetime) AS group_id
FROM your_table

这只是用 1 标记行 > 30，然后

OVER()

子句将排序和求和，这将创建您要查找的有序 session_id。

Answer 2

一个选项使用条件窗口和：

select t.*,
    1 + sum(case when date_diff > 30 then 1 else 0 end) 
        over(order by date_time) session_id
from mytable

如果您想根据时间戳列动态计算日期差异，我们将首先使用

lag()

：

select t.*,
    1 + sum(case when datediff(minute, lag_date_time, date_time) > 30 then 1 else 0 end) 
        over(order by date_time) session_id
from (
    select t.*, lag(date_time, 1, date_time) over(order by date_time) lag_date_time
    from mytable t
) t

Answer 3

您可以使用 SQL 中的窗口函数来实现此目的。假设您有一个名为 activity 的表，其中包含 date_diff 和 date_time 列，您可以使用以下查询来计算 session_id：

WITH
  time_diffs AS (
    SELECT
      *,
      LAG(date_time) OVER (ORDER BY date_time) AS prev_date_time
    FROM
      activity
  ),
  flagged_sessions AS (
    SELECT
      *,
      CASE
        WHEN EXTRACT(EPOCH FROM (date_time - prev_date_time)) / 60 > 30 THEN 1
        ELSE 0
      END AS new_session_flag
    FROM
      time_diffs
  ),
  session_ids AS (
    SELECT
      *,
      SUM(new_session_flag) OVER (ORDER BY date_time) + 1 AS session_id
    FROM
      flagged_sessions
  )
SELECT
  date_diff,
  date_time,
  session_id
FROM
  session_ids
ORDER BY
  date_time;

在此查询中：

我们首先使用 time_diffs CTE 中的 LAG 窗口函数计算当前行与上一行之间的时间差。 然后，我们在 flagged_sessions CTE 中创建一个 new_session_flag 列，如果时差超过 30 分钟则为 1，否则为 0。 最后，我们通过对 new_session_flag 列求和并在 session_ids CTE 中将其加 1 来计算 session_id。 最终结果是从 session_ids CTE 中选取的，并按 date_time 排序。