按日期范围排列的订单直方图答案

【问题标题】：Histogram of orders by range of dates按日期范围排列的订单直方图
【发布时间】：2022-01-19 12:20:29
【问题描述】：

我正在尝试根据日期间隔和订单总数创建直方图，但我很难通过 SQL 对其进行分类。

下面是一个简化的表格

customer_id	Date	count_orders
1	01-01-2020	5
1	01-13-2020	26
1	02-06-2020	11
2	01-17-2020	9
3	02-04-2020	13
3	03-29-2020	24
4	04-05-2020	1
5	02-23-2020	10
6	03-15-2020	7
6	04-18-2020	32
...	...	...

我想把它分成 20 天的间隔，但我唯一能想到的就是做一个

SUM(CASE WHEN Date BETWEEN <interval1_startdate> AND <interval1_enddate> ...)

每个间隔的方法如果用于实际数据（包含数百万行）是相当累人的。所以我需要帮助自动化分箱部分。

期望的输出要么是

interval	total_count
01-01-2020 - 01-20-2020	31
01-21-2020 - 02-10-2020	24
02-10-2020 - 03-01-2020	10
...	...

或 2)

start	end	total_count
01-01-2020	01-20-2020	31
01-21-2020	02-10-2020	24
02-10-2020	03-01-2020	10
...	...	...

你有什么想法吗？

【问题讨论】：

那么，对于您的样本数据，您所追求的结果是什么？
“group by”子句有什么问题？类似于 (PostgreSQL) GROUP BY round(extract('epoch' from Date) / 1.728.000)？您使用的是哪个 DBMS？
“你使用的是哪个 DBMS？” 他们的 OP 已经明确标记了 [sql-server] @aKiRa ...
请注意，结果中的第一个间隔包含 20 天（如果包括两个边界）和第二个 - 21 天。第一个似乎缺少总和中的 2 01-17-2020 9 行。

标签： sql sql-server presto

【解决方案1】：

您可以按（当前日期 - 最短日期）/20 分组。对于这样的事情：

WITH dataset (customer_id, Date, count_orders) AS (
    VALUES (1, date_parse('01-01-2020', '%m-%d-%Y'), 5),
        (1, date_parse('01-13-2020', '%m-%d-%Y'), 26),
        (1, date_parse('02-06-2020', '%m-%d-%Y'), 11),
        (2, date_parse('01-17-2020', '%m-%d-%Y'), 9),
        (3, date_parse('02-04-2020', '%m-%d-%Y'), 13),
        (3, date_parse('03-29-2020', '%m-%d-%Y'), 24),
        (4, date_parse('04-05-2020', '%m-%d-%Y'), 1),
        (5, date_parse('02-23-2020', '%m-%d-%Y'), 10),
        (6, date_parse('03-15-2020', '%m-%d-%Y'), 7),
        (6, date_parse('04-18-2020', '%m-%d-%Y'), 32)
)

SELECT date_add('day', 20 * grp, min(min_date)) interval_end,
    date_add('day', 20 * (grp + 1) - 1, min(min_date)) interval_end,
    sum(count_orders) total_count
FROM (
        SELECT *,
            date_diff('day', min(date) over (), date) / 20 as grp,
            min(date) over () min_date
        FROM dataset
    )
group by grp
order by 1

输出：

interval_end	interval_end	total_count
2020-01-01 00:00:00.000	2020-01-20 00:00:00.000	40
2020-01-21 00:00:00.000	2020-02-09 00:00:00.000	24
2020-02-10 00:00:00.000	2020-02-29 00:00:00.000	10
2020-03-01 00:00:00.000	2020-03-20 00:00:00.000	7
2020-03-21 00:00:00.000	2020-04-09 00:00:00.000	25
2020-04-10 00:00:00.000	2020-04-29 00:00:00.000	32

【讨论】：

【解决方案2】：

您可以使用 CTE 获取间隔，然后使用 cross apply 获取总数。

Drop table Tbl
Create Table Tbl (customer_id Int, [date] Date, count_orders Int)

Insert Into Tbl (customer_id, [date], count_orders)
Values (1,'2020-01-01', 5),
       (1,'2020-01-13',26),
       (1,'2020-02-06',11),
       (2,'2020-01-17',9),
       (3,'2020-02-04',13),
       (3,'2020-03-29',24),
       (4,'2020-04-05',1),
       (5,'2020-02-23',10),
       (6,'2020-03-15',7),
       (6,'2020-04-18',32)


;With A As (
Select Min([date]) As start, DateAdd(dd,19,Min([date])) As [end], Max([date]) As [max]
From Tbl
Union All
Select DateAdd(dd,1,[end]) As start, DateAdd(dd,20,[end]) As [end], [max]
From A
Where [end]<[max])
Select A.[start], A.[end], T.total_count
From A Cross Apply (Select SUM(count_orders) As total_count 
                    From Tbl Where [date] between A.[start] And A.[end]) As T

结果：

start      end        total_count
---------- ---------- -----------
2020-01-01 2020-01-20 40
2020-01-21 2020-02-09 24
2020-02-10 2020-02-29 10
2020-03-01 2020-03-20 7
2020-03-21 2020-04-09 25
2020-04-10 2020-04-29 32

【讨论】：