将值聚合到新列中，同时保留旧列

Question

问题

假设您有一些有关某些购买的简单数据：

用户ID	订单_日期	产品_id
001	我	2e1
001	我	44小时
001	周二	e6f
002	结婚	6克3
002	结婚	43米
003	结婚	k19
003	周五	9d5

我需要将产品 ID 聚合到一个数组列中，例如使用

COLLECT_SET

，按 user_id 和 order_date 分组。不过，我也希望保留 product_id 列，如下所示：

用户ID	订单_日期	产品_id	产品 ID
001	我	2e1	["2e1","44h"]
001	我	44小时	["2e1","44h"]
001	周二	e6f	["e6f"]
002	结婚	6克3	["6g3","43m"]
002	结婚	43米	["6g3","43m"]
003	结婚	k19	["k19"]
003	周五	9d5	["9d5"]

问题

我可以使用以下查询轻松创建数组列：

SELECT user_id, 
       order_date, 
       COLLECT_SET(product_id) AS product_ids
FROM table t
GROUP BY user_id, order_date

但是这样我就无法获得我需要的每一行的 product_id 列。

同时，如果我这样包含 product_id：

SELECT user_id,
       order_date, 
       product_id, 
       COLLECT_SET(product_id) AS product_ids
FROM table t
GROUP BY user_id, order_date, product_id

那么product_ids列将始终是长度为1的数组，即：

用户ID	订单_日期	产品_id	产品 ID
001	我	2e1	["2e1"]
001	我	44小时	["44h"]

当然，如果我从 GROUP BY 中排除

product_id

，则会收到错误：“表达式不在 GROUP BY 键 'product_id 中”

是否可以通过一个简单的查询来完成此操作，而无需例如创建一个临时表，然后在 user_id 和 order_date 上加入它们？谢谢！

Answer 1

您没有得到正确结果的原因是您只是在行上使用 COLLECT_SET 函数，对所有其他列进行分组（这将返回同一个表）。

您可以聚合 user_id 和 order_date 上的表，并创建聚合数据集。然后将主表与基于这两列的聚合数据集连接起来，您就会得到预期的结果。

SELECT
    t1.user_id,
    t1.order_date, 
    t1.product_id, 
    t2.product_ids
FROM 
    table t1
LEFT JOIN (
    SELECT 
        user_id, 
        order_date, 
        COLLECT_SET(product_id) AS product_ids
    FROM 
        table t
    GROUP BY 
        user_id, order_date
) AS t2

这是执行相同操作的查询。首先是主表，与聚合表连接，选择表将

COLLECT_SET

结果表为此处的

product_ids

列。

子查询将返回以下数据集

用户ID	订单_日期	产品 ID
001	我	["2e1","44h"]
001	周二	[“e6f”]
002	结婚	["6g3","43m"]
003	结婚	[“k19”]
003	周五	[“9d5”]

那么整体查询的结果将是

用户ID	订单_日期	产品_id	产品 ID
001	我	2e1	["2e1","44h"]
001	我	44小时	["2e1","44h"]
001	周二	e6f	[“e6f”]
002	结婚	6克3	[“6g3”,“43m”]
002	结婚	43米	[“6g3”,“43m”]
003	结婚	k19	[“k19”]
003	周五	9d5	[“9d5”]