基于出现次数的sql case语句

我有一个带有电子邮件地址、用户和域名的表t1：

     email                user         domain
joe123@domain.com        joe123        domain.com
sue234@email.net         sue234        email.net
      ...                  ...          ...

另一个表t2显示发送到某个地址的电子邮件是否已打开：

  Opened             Email
    0            joe123@domain.com
    1            sue234@email.net
    0            jack55@mybarber.com
   ...               ...

我想将t1.domain加入t2，但只加入发生次数超过100倍的域

我可以创建一个具有事件计数的表

SELECT domain, count(domain) cntDomain
from table1
group by domain

其结果如下：

   domain         cntDomain
 domain.com       5000
 email.net        4300
 mybarber.com     67

  Opened             Email                 domain
    0            joe123@domain.com         domain.com
    1            sue234@email.net          email.net
    0            jack55@mybarber.com       other 
   ...               ...

生成的表如下所示：

   domain         cntDomain
 domain.com       5000
 email.net        4300
 mybarber.com     67

  Opened             Email                 domain
    0            joe123@domain.com         domain.com
    1            sue234@email.net          email.net
    0            jack55@mybarber.com       other 
   ...               ...

---

但无法计算连接我假设它将是一个左连接，为不经常出现的值创建“其他”值，如果出现超过100倍，则需要使用case语句连接该值，如果不是“其他”值。

不清楚第一个表中的所有电子邮件是否都在第二个表中。如果是，您可以执行以下操作：

select *
from table2 t2
inner join
(
    SELECT domain, count(1) cntDomain
    from table1
    group by domain
    having count(1) > 100
) t1 on t2.email = t1.email

select t1.*, t2.domain
from (select t2.*, count(*) over (partition by domain) as cnt
      from table2 t2
     ) t2 join
     table1 t1
     on t1.email = t2.email
where cnt > 100;

如果没有，我们可以在电子邮件地址本身中检查域：

select t2.*, t1.domain
from table2 t2 left join
     (select t1.domain, count(*) as cnt
      from table1 t1
      group by t1.domain
     ) t1
     on t2.email like '%@' + t1.domain and
        cnt > 100;

---

预计此版本的性能会非常非常差。

此方法使用内部查询获取计数，然后使用case语句将计数解释为域或字符串“Other”（视情况而定）。在一些播放数据上测试了它，以确保它工作正常，但我对它的性能没有意见

感觉有点尴尬，因为t1被查询了两次；一次获取域，一次获取计数。不管怎样，它完成了任务

如果特定阈值发生变化，您可以将数字100换成另一个数字或变量

select 
  t2.Opened
, t2.Email
, case when t3.cntDomain > 100 then t3.domain else 'Other' end as domain
from t2
left outer join t1 on t2.Email = t1.email
left outer join (
    select t1.domain, count(1) cntDomain
    from t1
    left outer join t2 on t1.email = t2.email
    group by t1.domain
) as t3 on t1.domain = t3.domain

编辑

如果您不喜欢case语句，这种方法可能会更优雅。使用having语句修改内部查询。现在，由于左连接，如果计数小于阈值，t3.domain将为null。在select语句中添加一点ISNULL以进行null合并，这样就节省了金钱

select 
  t2.Opened
, t2.Email
, ISNULL(t3.domain, 'Other')
from t2
left outer join t1 on t2.Email = t1.email
left outer join (
    select t1.domain, count(1) cntDomain
    from t1
    left outer join t2 on t1.email = t2.email
    group by t1.domain
    having count(1) > 100
) as t3 on t1.domain = t3.domain

---

干杯

我认为下面的查询应该可以解决您的问题

       SELECT t2.opened,
       t2.Email,
       CASE WHEN tempt1.email is NULL THEN 'Other' ELSE tempt1.domain END as domain
       FROM t2 LEFT JOIN (SELECT email,domain
       FROM t1
       group by domain HAVING  count(domain)>100) tempt1 on t2.Email=tempt1.email

---

您需要一个计数*>100的值。您可能希望使第二个查询的第一个联接条件t2.email类似“@”+t1.domain以保持子域之间的分隔。@Allan。这很有道理。非常感谢。它也会影响像gmail.com和mail.com这样的东西。