Postgres - 如何返回缺失数据计数为 0 的行？

Question

我有几年（2003-2008）的数据分布不均（日期）。我想查询一组给定的开始和结束日期的数据，并按 PostgreSQL 8.3 (http://www.postgresql.org/docs/8.3/static/functions-datetime.html#FUNCTIONS-DATETIME-TRUNC) 中支持的任何时间间隔（日、周、月、季度、年）对数据进行分组。

问题在于，某些查询会在要求的时间段内给出连续的结果， 作为这个：

select to_char(date_trunc('month',date), 'YYYY-MM-DD'),count(distinct post_id) 
from some_table where category_id=1 and entity_id = 77  and entity2_id = 115 
and date <= '2008-12-06' and date >= '2007-12-01' group by 
date_trunc('month',date) order by date_trunc('month',date);
          to_char   | count 
        ------------+-------
         2007-12-01 |    64
         2008-01-01 |    31
         2008-02-01 |    14
         2008-03-01 |    21
         2008-04-01 |    28
         2008-05-01 |    44
         2008-06-01 |   100
         2008-07-01 |    72
         2008-08-01 |    91
         2008-09-01 |    92
         2008-10-01 |    79
         2008-11-01 |    65
        (12 rows)

但他们中的一些人错过了一些间隔，因为没有数据存在，就像这个：

select to_char(date_trunc('month',date), 'YYYY-MM-DD'),count(distinct post_id) 
from some_table where category_id=1 and entity_id = 75  and entity2_id = 115 
and date <= '2008-12-06' and date >= '2007-12-01' group by 
date_trunc('month',date) order by date_trunc('month',date);

        to_char   | count 
    ------------+-------

     2007-12-01 |     2
     2008-01-01 |     2
     2008-03-01 |     1
     2008-04-01 |     2
     2008-06-01 |     1
     2008-08-01 |     3
     2008-10-01 |     2
    (7 rows)

所需的结果集在哪里：

  to_char   | count 
------------+-------
 2007-12-01 |     2
 2008-01-01 |     2
 2008-02-01 |     0
 2008-03-01 |     1
 2008-04-01 |     2
 2008-05-01 |     0
 2008-06-01 |     1
 2008-07-01 |     0
 2008-08-01 |     3
 2008-09-01 |     0
 2008-10-01 |     2
 2008-11-01 |     0
(12 rows)

缺失条目的计数为 0。

我已经看到早期关于 Stack Overflow 的讨论，但它们似乎并没有解决我的问题，因为我的分组期是（日、周、月、季度、年）之一，并由应用程序决定运行时。因此，我猜像左连接与日历表或序列表这样的方法无济于事。

我目前的解决方案是使用日历模块在 Python（在 Turbogears 应用中）填补这些空白。

有没有更好的方法来做到这一点。

Answer 1

^{这个问题很老了。但是由于其他用户选择它作为新副本的主人，我正在添加一个正确的答案。}

适当的解决方案

SELECT *
FROM  (
   SELECT day::date
   FROM   generate_series(timestamp '2007-12-01'
                        , timestamp '2008-12-01'
                        , interval  '1 month') day
   ) d
LEFT   JOIN (
   SELECT date_trunc('month', date_col)::date AS day
        , count(*) AS some_count
   FROM   tbl
   WHERE  date_col >= date '2007-12-01'
   AND    date_col <= date '2008-12-06'
-- AND    ... more conditions
   GROUP  BY 1
   ) t USING (day)
ORDER  BY day;

• 当然是LEFT JOIN。

• generate_series() 可以动态生成时间戳表，而且速度非常快。

• 在您加入之前聚合通常会更快。我最近在这个相关答案中在 sqlfiddle.com 上提供了一个测试用例：

  • PostgreSQL - order by an array

• 将timestamp 转换为date (::date) 以获得基本格式。更多使用to_char()。

• GROUP BY 1 是引用第一个输出列的语法简写。也可以是GROUP BY day，但这可能与现有的同名列冲突。或者GROUP BY date_trunc('month', date_col)::date，但这对我来说太长了。

• 使用date_trunc() 的可用间隔参数。

• count() never produces NULL（0 表示没有行），但 LEFT JOIN 可以。
  要在外部SELECT 中返回0 而不是NULL，请使用COALESCE(some_count, 0) AS some_count。 The manual.

• 对于更通用的解决方案或任意时间间隔，请考虑以下密切相关的答案：

  • Best way to count records by arbitrary time intervals in Rails+Postgres

Answer 2

您可以使用

创建去年（比如说）所有第一天的列表

select distinct date_trunc('month', (current_date - offs)) as date 
from generate_series(0,365,28) as offs;
          date
------------------------
 2007-12-01 00:00:00+01
 2008-01-01 00:00:00+01
 2008-02-01 00:00:00+01
 2008-03-01 00:00:00+01
 2008-04-01 00:00:00+02
 2008-05-01 00:00:00+02
 2008-06-01 00:00:00+02
 2008-07-01 00:00:00+02
 2008-08-01 00:00:00+02
 2008-09-01 00:00:00+02
 2008-10-01 00:00:00+02
 2008-11-01 00:00:00+01
 2008-12-01 00:00:00+01

然后你就可以加入那个系列了。

Answer 3

您可以在运行时创建一个临时表并在其上留下连接。这似乎是最有意义的。