google-bigquery - 在 BigQuery 中计算分区的运行总和

Question

我正在尝试计算一个分区的运行总和。这似乎比 BigQuery SQL running totals 中建议的方法更容易、更快捷。 .

例如:

SELECT corpus,corpus_date,word_count, sum(word_count) over (partition by corpus,corpus_date order by word_count,word DESC) as running_sum FROM [publicdata:samples.shakespeare]

我面临两个问题:

我不能让总和从最常用的词(word_count 最高的词)开始。设置 DESC 或 ASC 不会改变任何东西，总和从最不常用的单词开始。如果我将顺序更改为仅包含“按 word_count 排序”，则运行总和不正确，因为具有相同顺序(== 相同 word_count)的行产生相同的运行总和。

在我正在执行的类似查询中(见下文)，运行总和的第一行产生的总和为 0，尽管我求和的字段的第一行不是 0。为什么会发生这种情况？如何解决该问题以显示正确的运行总和？查询为:

select * from
(SELECT
mongo_id,
account_id,
event_date,
trx_amount_sum_per_day,
SUM (trx_amount_sum_per_day) OVER (PARTITION BY mongo_id,account_id ORDER BY event_date DESC) AS running_sum,
ROW_NUMBER() OVER (PARTITION BY mongo_id,account_id ORDER BY event_date DESC) AS row_num
FROM [xs-polar-gasket-4:publicdataset.publictable]
) order by event_date desc

Answer 1

对于问题 1:

改变:

SELECT
  corpus, corpus_date, word_count, SUM(word_count)
OVER
  (PARTITION BY corpus, corpus_date
  ORDER BY word_count, word DESC) AS running_sum
FROM [publicdata:samples.shakespeare]

到:

SELECT
  corpus, corpus_date, word_count, SUM(word_count)
OVER
  (PARTITION BY corpus, corpus_date
  ORDER BY word_count DESC, word) AS running_sum
FROM [publicdata:samples.shakespeare]

(原查询是按词排序，但你想按 word_count 排序)