在 Google BigQuery 中计算具有相同 id 的行之间的 datediff

Question

我正在使用 BigQuery 练习我的 SQL 技能，并且我正在尝试计算每辆自行车的自行车租赁之间的时间差。基本上，我想为每个不同的 ID 计算 time_diff，对于每一对具有相同自行车 ID 的行。我正在尝试找到每个 bikeid 的 time_diff 分布的中位数现在，我有：

SELECT bikeid,
       DATE_DIFF(date(start_time), date(prev_start_time), day) AS Tempo,
       OrderCount
FROM ( SELECT bikeid,
              start_time, 
              ROW_NUMBER() OVER(PARTITION BY bikeid ORDER BY start_time ASC) OrderCount,
              LAG(start_time) OVER(PARTITION BY bikeid ORDER BY start_time ASC) prev_start_time
       FROM `bigquery-public-data.austin_bikeshare.bikeshare_trips` 
     ) 
ORDER BY bikeid, start_time 

我正在使用公共 BigQuery 数据集 bigquery-public-data.austin_bikeshare.bikeshare_trips，我的结果很奇怪，因为它没有显示任何自行车 ID（我已经预计很多空值 (0) 作为 date_diff，因为数据库注册时间戳，有时这辆自行车一天租了很多次）。

    | Linha | bikeid | Tempo | OrderCount |
    |   1   |  null  | null  |     1      |
    |   2   |  null  |  57   |     2      |
    |   3   |  null  |  1    |     3      |

Answer 1

bikeid 列中有很多空值。您看到的是空值，因为 ASC 订单将首先获取空值。 您可以选择的选项很少 • 您可以在bikeid 上将您的order by 条款更改为DESC 选择自行车， DATE_DIFF(date(start_time), date(prev_start_time), day) AS Tempo, 订单数 从（选择自行车， 开始时间， ROW_NUMBER() OVER(PARTITION BY bikeid ORDER BY start_time ASC) OrderCount, LAG(start_time) OVER(PARTITION BY bikeid ORDER BY start_time ASC) prev_start_time 发件人bigquery-public-data.austin_bikeshare.bikeshare_trips
)
ORDER BY bikeid desc, start_time • 您可以通过添加 where 子句“where bikeid is not null”来删除 null bikeid 选择自行车， DATE_DIFF(date(start_time), date(prev_start_time), day) AS Tempo, 订单数 从（选择自行车， 开始时间， ROW_NUMBER() OVER(PARTITION BY bikeid ORDER BY start_time ASC) OrderCount, LAG(start_time) OVER(PARTITION BY bikeid ORDER BY start_time ASC) prev_start_time FROM bigquery-public-data.austin_bikeshare.bikeshare_trips
bikeid 不为空的地方 )
ORDER BY OrderCount desc、bikeid desc、start_time

Answer 2

平均值是总差额除以出租次数减一。所以，你不需要窗口函数：

SELECT bikeid,
       DATE_DIFF(MAX(DATE(start_time)), MIN(DATE(start_time)), day) / NULLIF(COUNT(*) - 1, 0) as avg_period
FROM `bigquery-public-data.austin_bikeshare.bikeshare_trips` 
GROUP BY bikeid ;

以上解决了您的疑问并回答了您的问题。我不太确定它有什么用处，因为自行车每天租用多次（这是公共自行车租赁计划的重点）。

至少，您可以使用更小的时间单位：

SELECT bikeid,
       TIMESTAMP_DIFF(MAX(start_time), MIN(start_time), second) / NULLIF(COUNT(*) - 1, 0) as avg_period_in_seconds
FROM  `bigquery-public-data.austin_bikeshare.bikeshare_trips` 
GROUP BY bikeid ;