Pandas的[df.groupby(...)的SQL等效物['col_name'].shift(1)]

Question

我有这段代码，我想把它写成SQL。有谁知道等效的SQL代码会是什么样子？

lags = range(1, 5)
df = df.assign(**{
'{}{}'.format('lag', t): df.groupby('article_id').num_views.shift(t) for t in lags
})

更新：

我正在寻找SQL标准方言。 下面是一个数据集示例(部分前 10 行(：

article_id section time   num_views   comments
0   abc111b     A   00:00   15            0
1   abc111b     A   01:00   36            0
2   abc111b     A   02:00   36            0
3   bbbddd222hf A   03:00   41            0
4   bbbddd222hf B   04:00   44            0
5   nnn678www   B   05:00   39            0
6   nnn678www   B   06:00   38            0
7   nnn678www   B   07:00   66            0
8   nnn678www   C   08:00   65            0
9   nnn678www   C   09:00   87            1

Answer 1

你可以使用LAG((函数，属于SQL-99 ANSI标准"windowing functions"：

select
article_id, section, time, num_views, comments,
lag(num_views, 1, 0) over(partition by article_id order by article_id, time) as lag1,
lag(num_views, 2, 0) over(partition by article_id order by article_id, time) as lag2,
lag(num_views, 3, 0) over(partition by article_id order by article_id, time) as lag3,
lag(num_views, 4, 0) over(partition by article_id order by article_id, time) as lag4
from tab;

完整且有效的 SQLFiddle 示例...

PS 请注意，并非所有 RDBMS 系统都实现了"windowing functions"