在DolphinDB中按组计算两行差值及多列计算优化问询

一、用GROUP BY实现需求逻辑 #

你可以直接通过GROUP BY结合聚合函数完成需求，核心是利用last()获取每组最新记录的字段值，prevLast()获取倒数第二条记录的字段值，再通过iif()判断逻辑返回对应结果，代码如下：

result = select 
    date, 
    order_book_id, 
    iif(last(Q) == 1, last(revenue), last(revenue) - prevLast(revenue)) as revenue 
from tmp 
group by date, order_book_id;

说明： #

• last(Q)：获取每组最后一条记录的Q值，判断是否触发“返回最新记录”的逻辑；
• last(revenue)：每组最新的revenue值；
• prevLast(revenue)：每组倒数第二条的revenue值，两者差值即为最新两行的差；
• 该写法语义更贴合聚合操作的定义，和你原有的context by + limit -1方案效率相当，均为向量化计算。

另外你原代码中order by order_book_id asc属于冗余逻辑，因为context by date, order_book_id已经完成分组，若需确保最新行在组内末尾，建议按时间类字段（如数据中存在的交易时间戳）排序。

二、多列处理：避免重复编写iif条件 #

当需要对多列（如revenue1、revenue2等）执行相同逻辑时，可通过元编程或自定义聚合函数简化代码：

方法1：元编程动态生成查询表达式 #

先定义需要处理的列列表，再批量生成处理逻辑，最后通过sqlSelect构建查询：

# 定义需要处理的列
targetCols = [`revenue1, `revenue2, `revenue3]

# 批量生成每个列的处理表达式
exprList = targetCols.map(col -> iif(last(Q) == 1, last(col), last(col) - prevLast(col)) as col)

# 构建并执行查询
result = sqlSelect(
    date, 
    order_book_id, 
    *exprList
).from(tmp).groupBy(date, order_book_id).eval()

方法2：自定义聚合函数 #

将固定逻辑封装成自定义聚合函数，后续直接调用即可：

# 定义自定义聚合函数
def aggByQ(qCol, valCol) {
    qLatest = last(qCol)
    valLatest = last(valCol)
    return valLatest if qLatest == 1 else valLatest - prevLast(valCol)
}

# 调用函数处理多列
result = select 
    date, 
    order_book_id, 
    aggByQ(Q, revenue1) as revenue1,
    aggByQ(Q, revenue2) as revenue2,
    aggByQ(Q, revenue3) as revenue3
from tmp 
group by date, order_book_id;

如果仍偏好context by的写法，同样可以用元编程批量生成列处理逻辑，避免重复编写iif。

内容的提问来源于stack exchange，提问作者Polly