BigQuery：从 Group By 中的不同组返回第一个值

Question

我目前在使用标准 SQL 查询时遇到问题。我有一个电子邮件列表，其中每封电子邮件都可以具有多种功能。请参阅下面的示例，了解表格的外观。

Email                         Function
peter@gmail.com               engineer
peter@gmail.com               specialist
dave@gmail.com                analyst
dave@gmail.com                tester
dave@gmail.com                manager
michael@gmail.com             intern

我想要的是一个查询，它使用它找到的第一个函数返回每封电子邮件一次。所以上表应该返回以下内容：

Email                         Function
peter@gmail.com               engineer
dave@gmail.com                analyst
michael@gmail.com             intern

我该怎么做呢？

我现在拥有的是查询的简化版本。

SELECT Email, Function
FROM database
GROUP BY Email, Function

问题是我必须将电子邮件和函数都放在 GROUP BY 中。如果我只将 Email 放在 Group By 中，即使我只希望查询 GROUP BY Email，查询也无法运行。

谢谢！

Answer 1

不存在“第一个”函数这样的东西，因为 SQL 表代表无序集——尤其是在 BigQuery 等从头开始设计的并行数据库中。

您需要使用某种聚合函数。

一个简单的就是any_value()：

SELECT Email, ANY_VALUE(Function)
FROM database
GROUP BY Email;

如果您有另一个指定排序的列，则可以使用它来获取function与该列的最小值关联的值。

Answer 2

使用row_number()窗口函数

select * from
(
select *, row_number() over(partition by email order by funcion) as rn
from tablename
)a where rn=1

Answer 3

您需要指定列顺序的排序列，然后您可以执行以下操作：

select t.*
from table t
where t.pk = (select min(t1.pk) from table t1 where t1.email = t.email);

这里假设pk是标识列。