问题描述
SELECT
disTINCT (order_number),email,first_name,last_name,purchase_date,order_price,source_id,row_number() over(partition by email order by purchase_date) order_count,date_diff(
date(purchase_date),coalesce(date(lag(purchase_date) over(partition by email order by purchase_date)),date(purchase_date)),day
) purchase_latency
FROM
(select distinct (order_number),source_id
FROM my_dataset_orders where source_id != "test_order" AND order_price != 0)
如您所见,我想避免在数据集中重复出现“ order_number”值。因此,正如您在查询中所看到的那样,我尝试了两种删除重复项的方法:首先,一次使用第一个 disTINCT ,我在第2行中立即使用了它,其次,第二次是在 FROM 部分中,我已经尝试选择不同的值。
但是,当我以CSV格式下载最终数据集时,数据中仍然有一些剩余的order_number重复项。有谁知道如何避免这种情况或我的错误在哪里?
解决方法
如果每个订单都需要一个任意行,那么一种方法是:
select array_agg(o limit 1)[ordinal(0)].*
from my_dataset_orders o
where source_id <> 'test_order' and order_price <> 0
group by o.order_number