mysql - 在 group by 期间，我需要采用一个未在 group by 中使用的变量，我也不想采用它的聚合函数(我想要它原样)

Question

我有一个包含数百万条记录和 8 列的数据框。我想将其与 col1 和 col2 进行分组，并在选择中，我想要 name_id, max(SUM),col1,col2。

现在的问题是我没有在分组条件中使用 name_id ，也不是聚合函数。

您能否建议任何可以解决我在 SQL 或 Pyspark 中遇到的问题的方法。

在此处输入数据框 SUM = 有数据的列数，并且 name_id 是唯一的:

所需输出:name_id(原样)、max(SUM)、Col1、Col2

我尝试过类似的方法，但它不起作用:

欢迎任何建议!

我尝试了下面的代码，该代码在一种情况下运行良好，但在其他情况下则不然。

工作场景，当我在总和列中有重复的最大值时，它工作正常并重新调整 max name_id 这是我的要求

当 SUM 列没有最大值重复时，它返回 null，在下表中，根据逻辑，我的输出应包含 name_id = 48981 和 name_id = 52214，但我得到唯一的 name_id = 52214。

Answer 1

这是一个经典的每组最大问题。我建议使用以下解决方案来解决此问题:

select d.*
from data_frame d
join (
    select col_1, col_2, 
       max(sum) max_sum, 
       max(name_id) max_name_id
    from data_frame
    group by col_1, col_2
) t on d.col_1 = t.col_1 and 
       d.col_2 = t.col_2 and
       d.name_id = t.max_name_id and
       d.sum = t.max_sum