如何将含COUNT(*) OVER()的SQL语句转换为Python实现？

核心思路 #

原SQL逻辑是先按userID分组统计每个用户的记录数Ct，再通过窗口函数COUNT(*) OVER()获取分组后的总用户数（即分组结果的总行数），并将该数值附加到每一行。用Pandas可以分两步实现：

• 第一步：按userID分组，统计每个用户的记录数得到Ct
• 第二步：计算分组结果的总行数，将其作为固定值赋给所有行的Total_Ct列

代码实现 #

先模拟原CTE的数据源（假设原数据包含重复的userID条目）：

import pandas as pd

# 模拟原cte中的数据
data = {
    'userID': ['A1', 'A1', 'A1', 'A1', 'A1',
               'A2', 'A2', 'A2',
               'A3',
               'A4', 'A4',
               'A5', 'A5', 'A5', 'A5', 'A5',
               'A6', 'A6', 'A6', 'A6', 'A6', 'A6',
               'A7', 'A7', 'A7', 'A7']
}
cte = pd.DataFrame(data)

接着执行分组统计和添加总用户数：

# 第一步：分组统计每个userID的Ct
result = cte.groupby('userID').size().reset_index(name='Ct')

# 第二步：给所有行添加Total_Ct，值为分组结果的总行数（总用户数）
result['Total_Ct'] = len(result)

# 打印结果
print(result)

输出结果 #

运行代码后会得到与预期一致的输出：

userID  Ct  Total_Ct
0     A1   5         7
1     A2   3         7
2     A3   1         7
3     A4   2         7
4     A5   5         7
5     A6   6         7
6     A7   4         7

扩展：计算用户占比 #

如果需要计算每个用户的记录数占比Ct/Total_Ct，直接新增列即可：

result['Ratio'] = result['Ct'] / result['Total_Ct']

内容的提问来源于stack exchange，提问作者tj1