如何用SQL筛选跨多行满足双条件的客户记录

基础表结构说明 #

待处理的客户行为存储表共包含3个字段：

• id：客户唯一标识
• type：行为分类字段
• event：行为事件字段
  表中单个客户对应多行独立的行为记录，需按指定规则完成两层过滤。

核心筛选规则 #

• 客户级过滤：仅保留同时满足两个跨行列条件的客户，即该客户的所有记录中，既存在type="medium"的行，也存在event="gym"的行，两个条件无需在同一行命中。不满足该要求的客户，其名下所有记录全量剔除。
• 行级过滤：对通过客户级校验的客户，仅保留其名下*行内满足type="medium"或event="gym"*的记录，其余不符合单条件的行全部剔除。
• 结果校验参考：按样例逻辑，id为2的客户因不存在type="medium"的记录会被全量剔除，最终保留id为1、3的客户下共4条符合行级要求的记录。

代码实现 #

SQL 实现（通用绝大多数OLAP/OLTP数据库引擎） #

-- 先通过聚合筛选出符合双条件的有效客户id，再关联原表做行级过滤
WITH valid_customer AS (
    SELECT id
    FROM user_behavior
    GROUP BY id
    HAVING SUM(CASE WHEN type = 'medium' THEN 1 ELSE 0 END) > 0
       AND SUM(CASE WHEN event = 'gym' THEN 1 ELSE 0 END) > 0
)
SELECT t.*
FROM user_behavior t
INNER JOIN valid_customer vc ON t.id = vc.id
WHERE t.type = 'medium' OR t.event = 'gym';

该写法逻辑拆分清晰，无复杂嵌套，在MySQL、Hive、Spark SQL、PostgreSQL等主流引擎中均可直接运行，执行效率稳定。

Pandas 实现（适用于本地离线数据处理场景） #

import pandas as pd

# 加载原始行为数据
df = pd.read_csv("user_behavior.csv")

# 第一步：筛选同时满足两个跨行列条件的有效客户id
valid_ids = df.groupby("id").apply(
    lambda group: (group["type"] == "medium").any() and (group["event"] == "gym").any()
)
valid_ids = valid_ids[valid_ids].index

# 第二步：过滤无效客户，同时过滤有效客户下不符合单条件的行
final_result = df[
    df["id"].isin(valid_ids) &
    ((df["type"] == "medium") | (df["event"] == "gym"))
]

内容的提问来源于stack exchange，提问作者Steven