随时间变化的趋势总和

Question

我有一个看起来像这样的表（在 Postgres 9.1 中）：

CREATE TABLE actions (
  user_id: INTEGER,
  date:    DATE,
  action:  VARCHAR(255),
  count:   INTEGER
)

例如：

    user_id    |    date    |     action   | count
---------------+------------+--------------+-------
             1 | 2013-01-01 | Email        |     1
             1 | 2013-01-02 | Call         |     3
             1 | 2013-01-03 | Email        |     3
             1 | 2013-01-04 | Call         |     2
             1 | 2013-01-04 | Voicemail    |     2
             1 | 2013-01-04 | Email        |     2
             2 | 2013-01-04 | Email        |     2

我希望能够查看用户在一段时间内针对一组特定操作的总操作；例如，电话 + 电子邮件：

  user_id  | date        |  count  
-----------+-------------+---------
         1 | 2013-01-01  |       1
         1 | 2013-01-02  |       4
         1 | 2013-01-03  |       7
         1 | 2013-01-04  |      11
         2 | 2013-01-04  |       2

到目前为止，我创建的怪物看起来像这样：

SELECT
  date, user_id, SUM(count) OVER (PARTITION BY user_id ORDER BY date) AS count
FROM
  actions
WHERE
  action IN ('Call', 'Email') 
GROUP BY
  user_id, date, count;

这适用于单个操作，但当它们发生在同一天时似乎会中断多个操作，例如，我们得到9，而不是2013-01-04 上的预期11：

    date    |      user_id | count
------------+--------------+-------
 2013-01-01 | 1            |     1
 2013-01-02 | 1            |     4
 2013-01-03 | 1            |     7
 2013-01-04 | 1            |     9 <-- should be 11?
 2013-01-04 | 2            |     2

是否可以调整我的查询来解决这个问题？我尝试删除 count 上的分组，但 Postgres 似乎不喜欢这样：

column "actions.count" must appear in the GROUP BY clause
or be used in an aggregate function
LINE 2:      date, user_id, SUM(count) OVER (PARTITION BY user...
                                ^

Answer 1

此查询产生您正在寻找的结果：

SELECT DISTINCT   
  date, user_id, SUM(count) OVER (PARTITION BY user_id ORDER BY date) AS count 
  FROM actions
WHERE
  action IN ('Call', 'Email');

默认窗口已经是您想要的，according to the official docs 并且“DISTINCT”消除了电子邮件和电话在同一天发生时的重复行。

见SQL Fiddle。

Answer 2

表中有一个名为“count”的列，SELECT子句中的表达式别名为“count”，是不明确的。

阅读文档：http://www.postgresql.org/docs/9.0/static/sql-select.html#SQL-GROUPBY

如果有歧义，GROUP BY 名称将被解释为 输入列名而不是输出列名。

这意味着，您的查询不按 SELECT 子句中评估的“计数”分组，而是按从表中获取的“计数”值分组。

这个查询给出了预期的结果，见SQL Fiddle

SELECT date, user_id, count
from (
   Select date, user_id, 
          SUM(count) OVER (PARTITION BY user_id ORDER BY date) AS count
  FROM actions
  WHERE
    action IN ('Call', 'Email') 
) alias
GROUP BY
  user_id, date, count;

Answer 3

断言

不清楚是按user_id还是date排序

还不清楚您是否要在结果列表中包含日期，因为在基表中没有行。在这种情况下，请参考这个密切相关的答案：
PostgreSQL: running count of rows for a query 'by minute'

修复名称

首先，我使用的是这个测试表而不是你的有问题的表：

CREATE TEMP TABLE actions (
  user_id integer,
  thedate    date,
  action  text,
  ct   integer
);

您使用reserved words 和函数名作为标识符（列名）是问题的一部分。

修复查询

结合聚合和窗口函数

由于首先应用聚合函数，因此您的原始查询会将为user_id = 1 和thedate = '2013-01-04' 找到的两个 行合并为一个。您必须乘以 count(*) 才能得到实际的运行计数。

您可以不使用子查询，因为您可以组合聚合函数和窗口函数。首先应用聚合函数。您甚至可以在聚合函数的结果上创建一个窗口函数。

SELECT thedate
     , user_id
     , sum(ct * count(*)) OVER (PARTITION BY user_id
                                ORDER BY thedate) AS running_ct
FROM   actions
WHERE  action IN ('Call', 'Email') 
GROUP  BY user_id, thedate, ct
ORDER  BY user_id, thedate;

或简化为：

...
 , sum(sum(ct)) OVER (PARTITION BY user_id
                      ORDER BY thedate) AS running_ct
...

这也应该是提出的解决方案中最快的。

这里，内部sum() 是一个聚合函数，而外部sum() 是一个窗口函数——在聚合函数的结果之上。

或者使用DISTINCT

另一种方法是使用DISTINCT or DISTINCT ON，因为这是在 窗口函数之后应用的：

DISTINCT - 这是可能的，因为无论如何running_ct 在这种情况下都保证是相同的，因为所有对等点都会立即为default frame definition of window functions 求和。

SELECT DISTINCT
       thedate
     , user_id
     , sum(ct) OVER (PARTITION BY user_id ORDER BY thedate) AS running_ct
FROM   actions
WHERE  action IN ('Call', 'Email')
ORDER  BY thedate, user_id;

或者用DISTINCT ON简化：

SELECT DISTINCT ON (thedate, user_id)
...

->SQLfiddle demonstrating all variants.