最近在弄新組用戶畫像標籤（特徵）工程，需要提取用戶一些標籤排序前n的數據。格式如下：
|
|
標籤1 |
標籤2 |
標籤3 |
|
用戶編號1 |
0 |
23 |
12 |
|
|
。。。 |
。。。 |
。。。 |
新建三列作爲三個標籤數值的排名，截斷top30並輸出，類似於標籤1_rank<30 and 標籤2_rank<30 and 標籤3_rank<30
但對同一個用戶聚合所有標籤下的值後，出來後，發現每一次的運行結果都不一樣，與原表中的數據對不上。一步一步重新跑sql，發現代碼似乎也看不出什麼問題，頭疼得不行。
直到找了一個厲害的大佬請教，才發現原因是因爲用了row_number作爲排序函數，row_number會對相同的數字隨機排序，並從小到大編號，我的問題就在於，有很多爲0的值被隨機排序了，而我在截斷top30時用的語句是標籤1_rank<30 and 標籤2_rank<30 and 標籤3_rank<30，導致有的標籤1爲0，其他標籤不爲0的數據也被截斷了，如下表，因爲標籤1_rank爲31的用戶編號1就這麼帶着它的有效數據一起消失了。。。
|
|
標籤1 |
標籤2 |
標籤3 |
標籤1_rank |
標籤2_rank |
標籤3_rank |
|
用戶編號1 |
0 |
23 |
12 |
31 |
1 |
3 |
|
|
。。。 |
。。。 |
。。。 |
。。。 |
。。。 |
。。。 |
後來用dense_rank代替row_number這個問題就解決了。。。
至於value，row_number, rank, dense_rank有什麼不同，看下圖。。。
