Merge pull request #120 from basedosdados/staging/br_mercado_livre_of…

…erta [dbt] br_mercadolivre_ofertas
basedosdados · Jul 24, 2023 · 2fe7b48 · 2fe7b48
2 parents d233f08 + 14928ff
commit 2fe7b48
Show file tree

Hide file tree

Showing 3 changed files with 71 additions and 6 deletions.
diff --git a/models/br_mercadolivre_ofertas/item.sql b/models/br_mercadolivre_ofertas/item.sql
@@ -22,12 +22,23 @@ TIME(
     ELSE vendedor
   END vendedor,
   titulo,
+  categorias,
   CASE 
     WHEN categorias = '[]' THEN null
+    WHEN  TRIM(JSON_EXTRACT_ARRAY(categorias)[OFFSET(1)], '"') = '...' THEN 
+      TRIM(JSON_EXTRACT_ARRAY(categorias)[OFFSET(2)], '"')
+    WHEN TRIM(JSON_EXTRACT_ARRAY(categorias)[OFFSET(0)], '"') = '...' THEN 
+      TRIM(JSON_EXTRACT_ARRAY(categorias)[OFFSET(1)], '"')
     ELSE TRIM(JSON_EXTRACT_ARRAY(categorias)[OFFSET(0)], '"')  
   END as categoria_principal,
   CASE 
-    WHEN categorias = '[]' THEN null
+    when categorias = '[]' then null
+    WHEN TRIM(JSON_EXTRACT_ARRAY(categorias)[OFFSET(1)], '"') = '...' THEN 
+      ARRAY_TO_STRING(ARRAY(SELECT x FROM UNNEST(JSON_EXTRACT_ARRAY(categorias)) AS x WITH OFFSET
+                              WHERE OFFSET > 3), ', ')    
+    WHEN TRIM(JSON_EXTRACT_ARRAY(categorias)[OFFSET(0)], '"') = '...' THEN 
+      ARRAY_TO_STRING(ARRAY(SELECT x FROM UNNEST(JSON_EXTRACT_ARRAY(categorias)) AS x WITH OFFSET
+                              WHERE OFFSET > 1), ', ')
     ELSE ARRAY_TO_STRING(ARRAY(SELECT x FROM UNNEST(JSON_EXTRACT_ARRAY(categorias)) AS x WITH OFFSET
                               WHERE OFFSET > 0), ', ')
   END as outras_categorias,
@@ -50,7 +61,10 @@ TIME(
     ELSE preco
   END AS FLOAT64) AS preco_final,
 FROM
-  `basedosdados-staging.br_mercadolivre_ofertas_staging.item`)
+  `basedosdados-staging.br_mercadolivre_ofertas_staging.item`
+
+)
+
 SELECT 
   data_consulta,
   hora_consulta,
@@ -59,7 +73,7 @@ SELECT
   titulo,
   id_vendor as id_vendedor,
   vendedor,
-  categoria_principal,
+  a.categoria_principal,
   REGEXP_REPLACE(
     TRIM(outras_categorias, '"'),
     r'("([^"]+)")',

diff --git a/models/br_mercadolivre_ofertas/schema.yml b/models/br_mercadolivre_ofertas/schema.yml
@@ -21,7 +21,7 @@ models:
       - name: categoria_principal
         description: Primeira categoria do item classificada no site
       - name: outras_categorias
-        description: Todas as categorias descritas no site em relação ao item
+        description: Demais categorias descritas no site em relação ao item
       - name: caracteristicas
         description: Características adicionais do item
       - name: envio_nacional

diff --git a/models/br_mercadolivre_ofertas/vendedor.sql b/models/br_mercadolivre_ofertas/vendedor.sql
@@ -42,7 +42,58 @@ SELECT
   SAFE_CAST(predata.opinioes.regular AS INT64) AS avaliacao_ruim 
 FROM main
 LEFT JOIN predata 
-ON main.id_vendedor = predata.id_vendedor)
+ON main.id_vendedor = predata.id_vendedor),
 
-SELECT * FROM tabela_ordenada
+tabela_deduplicada AS (
+    SELECT
+        PARSE_DATE('%Y-%m-%d', data_consulta) AS data_consulta,
+        id_municipio,
+        id_vendedor,
+        vendedor,
+        classificacao,
+        reputacao,
+        anos_experiencia,        
+        ARRAY_AGG(avaliacao_bom)[OFFSET(0)] AS avaliacao_bom,
+        ARRAY_AGG(avaliacao_regular)[OFFSET(0)] AS avaliacao_regular,
+        ARRAY_AGG(avaliacao_ruim)[OFFSET(0)] AS avaliacao_ruim
+    FROM
+        tabela_ordenada
+    GROUP BY
+        data_consulta,
+        id_vendedor,
+        vendedor,
+        anos_experiencia,
+        reputacao,
+        classificacao,
+        id_municipio
+    HAVING
+        COUNT(*) > 1
+), tabela_unicos AS (
+    SELECT
+        PARSE_DATE('%Y-%m-%d', data_consulta) AS data_consulta,
+        id_municipio,
+        id_vendedor,
+        vendedor,
+        classificacao,
+        reputacao,
+        anos_experiencia,
+        ARRAY_AGG(avaliacao_bom)[OFFSET(0)] AS avaliacao_bom,
+        ARRAY_AGG(avaliacao_regular)[OFFSET(0)] AS avaliacao_regular,
+        ARRAY_AGG(avaliacao_ruim)[OFFSET(0)] AS avaliacao_ruim
+    FROM
+        tabela_ordenada
+    GROUP BY
+        data_consulta,
+        id_vendedor,
+        vendedor,
+        anos_experiencia,
+        reputacao,
+        classificacao,
+        id_municipio
+    HAVING
+        COUNT(*) = 1
+)
+SELECT * FROM tabela_unicos
+UNION ALL
+SELECT * FROM tabela_deduplicada