Sql 谷歌大查询排名顺序与客户点击问题

我正在使用google big query跟踪一些客户对我网站的点击。我遵循一个简单的规则集：

如果客户在同一天连续多次通过同一来源，我只想看到第一个命中来源

我只想看到第一个击中来源，如果客户已经通过同一来源多次连续在不同的日子

我希望看到所有命中源，如果它们出现在同一天，但不是连续出现

目前，我正在使用以下工具：

rank() over (partition by customer_code, hit_source order by hit_timedate) rnk

如果我在“where rnk=1”上过滤，这允许我完成前两个步骤。这只会给我不同的命中源，无论它们是否在同一天，因为我有一个在命中时间内的时间。但它并没有给我第三步，因为排名是由hit_源划分的，当它看到相同的源时会改变

如果有人能在这方面帮助我，我将不胜感激

编辑：

不确定如何添加/上载示例数据集，因此我尝试在此处执行此操作：

Customer_Code       Hit_Source               Hit_Timedate
     101             Facebook             25/05/2020 10:30am
     101             Facebook             25/05/2020 11:45am
     101             Facebook             25/05/2020 11:55am
     101             Twitter              25/05/2020 12:30am
     101             Facebook             25/05/2020 13:00pm 
     101             Google               25/05/2020 15:00pm
     101             Instagram            26/05/2020 09:00am

理想情况下，理想的结果集如下：

Customer_Code       Hit_Source               Hit_Timedate        Rank
     101             Facebook             25/05/2020 10:30am       1
     101             Facebook             25/05/2020 11:45am       2
     101             Facebook             25/05/2020 11:55am       3
     101             Twitter              25/05/2020 12:30am       1
     101             Facebook             25/05/2020 13:00pm       1
     101             Google               25/05/2020 15:00pm       1
     101             Instagram            26/05/2020 09:00am       1

因此，根据我的规则，我想实施上述。。我在这里遇到的主要问题是，能否将样本中的第5行排序为“1”。我之所以这么做，是因为最近两次“Facebook”的点击不是连续的。但要用我实现的前两条规则做到这一点，我很难做到。

您可以使用

lag（）

和累积计数：

select t.*,
       1 + countif(prev_source = source) over (partition by customer_code, datetime_trunc(hit_timedate, day) order by hit_timedate) as ranking
from (select t.*,
             lag(source) over (partition by customer_code, datetime_trunc(hit_timedate, day)
                               order by hit_timedate
                              ) as prev_source
     from t
    ) t;

---

其思想是创建一个标志，表明前一个源是否与当前行相同——如果不相同，则添加1。

1+

是因为计数将从

0

开始，您希望计数从

1

开始，以便进一步为社区做出贡献，我将使用不同的方法与BigQuery的内置函数共享

下面是代码，使用您提供的示例数据分为2个步骤（在中进行了注释）：

with data as (
SELECT 101 as Customer_Code,"Facebook" as Hit_Source ,DATETIME(2020,05,25,10,30,00) as Hit_Timedate UNION ALL
SELECT 101 as Customer_Code,"Facebook" as Hit_Source ,DATETIME(2020,05,25,11,45,0) as Hit_Timedate UNION ALL
SELECT 101 as Customer_Code,"Facebook" as Hit_Source ,DATETIME(2020,05,25,11,55,0) as Hit_Timedate UNION ALL
SELECT 101 as Customer_Code,"Twitter" as Hit_Source ,DATETIME(2020,05,25,12,30,0) as Hit_Timedate UNION ALL
SELECT 101 as Customer_Code,"Facebook" as Hit_Source ,DATETIME(2020,05,25,13,00,0) as Hit_Timedate UNION ALL
SELECT 101 as Customer_Code,"Google" as Hit_Source ,DATETIME(2020,05,25,15,00,0) as Hit_Timedate UNION ALL
SELECT 101 as Customer_Code,"Instagram" as Hit_Source ,DATETIME(2020,05,25,09,00,0) as Hit_Timedate 
),
#step 1
data1 as (
SELECT Customer_Code, Hit_Source, Hit_Timedate, LAG(Hit_Source,1) OVER (ORDER BY Hit_Timedate) as PrevHit from data
),
#step 2
data2 as (
SELECT Customer_Code, Hit_Source,PrevHit , Hit_Timedate, SUM(CASE WHEN Hit_Source = PrevHit THEN 0 ELSE 1 END) OVER (ORDER BY Hit_Timedate,Hit_Source) AS rank_aux
FROM data1
)

SELECT Customer_Code, Hit_Source, MIN(Hit_Timedate) AS first_Hit_Timedate, RANK() OVER (PARTITION BY rank_aux order by Hit_Timedate) as rank FROM data2 
GROUP BY Customer_Code, Hit_Source, rank_aux,Hit_Timedate
ORDER BY Customer_Code,first_Hit_Timedate, Hit_Source

和最终输出，

请注意，在步骤1中，将创建一个新列，其中包含

Hit_Source

的先前值。然后在步骤2中，创建一个新列

rank_aux

，以便正确聚合结果。以下是步骤2的输出（仅用于解释）：

---

注意第二、第三和第四行，其中的

rank_aux=2

，这是所需的输出，因此可以将这些列聚合为1，并仅显示最小的

Hit_Timedate

，以获得已共享的最终输出。

请提供示例数据和所需结果。正如@GordonLinoff所说，你能分享一下样本数据和预期结果吗？所以，最好创建一个查询并对其进行测试。您好，示例和所需结果集作为一个版本添加到我的原始帖子中。谢谢。@DB1993，为什么Facebook在2020年5月25日13:00pm排名1而不是4？你好，Alexandre，这是因为Facebook的第4行不是连续的，因为之前有不同的点击源，所以它会重置回排名1，这是我计划实现的逻辑。我希望你能理解您好，根据我的原始问题，这与我期望的结果集不匹配。请特别注意所需的结果集“排名”。Facebook的第一个和第四个实例应该是排名1，因为之前的热门来源不是Facebook。@db1993，您好，谢谢您让我知道。因此，我们的想法是，在我们有了一个允许我们对连续动作进行分组的专栏之后，就有可能进行排名。因此，您只需在代码的最后一部分中使用RANK（）函数。我已经上传了新的代码和输出。你检查过了吗？请考虑投票和接受答案。@ DbBDB1993，请考虑接受和投票的答案。您好，使用亚历山大的例子，他的CTE手动插入数据集。这似乎给了我每行3的排名。我需要有我在期望的结果集中指定的排名。这样我就可以过滤排名=1的位置等@db1993。

countif（）

需要一个

orderby

子句。

Row Customer_Code   Hit_Source  first_Hit_Timedate  rank
1   101             Instagram   2020-05-25T09:00:00 1
2   101             Facebook    2020-05-25T10:30:00 1
3   101             Facebook    2020-05-25T11:45:00 2
4   101             Facebook    2020-05-25T11:55:00 3
5   101             Twitter     2020-05-25T12:30:00 1
6   101             Facebook    2020-05-25T13:00:00 1
7   101             Google      2020-05-25T15:00:00 1

Row Customer_Code   Hit_Source  PrevHit     Hit_Timedate        rank_aux
1   101             Instagram   null        2020-05-25T09:00:00 1
2   101             Facebook    Instagram   2020-05-25T10:30:00 2
3   101             Facebook    Facebook    2020-05-25T11:45:00 2
4   101             Facebook    Facebook    2020-05-25T11:55:00 2
5   101             Twitter     Facebook    2020-05-25T12:30:00 3
6   101             Facebook    Twitter     2020-05-25T13:00:00 4
7   101             Google      Facebook    2020-05-25T15:00:00 5