【问题标题】:MySQL- Join based on column dataMySQL-基于列数据的连接
【发布时间】:2023-03-09 02:44:01
【问题描述】:

我有一个表格,其中包含以下格式的数据:

+---------------------+--------------+-------------------+-------------------+
| date                | downloadtime | clientcountrycode | clientcountryname |
+---------------------+--------------+-------------------+-------------------+
| 2013-07-10 10:44:29 |            2 | USA               | United States     |
| 2013-07-10 10:44:25 |            4 | USA               | United States     |
| 2013-07-10 10:44:21 |            7 | USA               | United States     |
| 2013-07-10 10:44:16 |            2 | USA               | United States     |
| 2013-07-10 10:44:10 |            3 | USA               | United States     |
+---------------------+--------------+-------------------+-------------------+

我需要通过查询此表来准备一个 csv 文件。 csv 文件应为以下格式:

clientcountryname,clientcountrycode,2013-07-05,2013-07-06,2013-07-8...
United States,USA,22,23,24

所以,基本上我需要获取每个国家/地区每天的平均下载时间。 我有一个查询,它将为我提供特定日期的 avg(downloadtime):

SELECT clientcountryname,clientcountrycode, avg(downloadtime), FROM tb_npp where date(date) = '2013-07-10' group by clientcountrycode;

+---------------------------------------+-------------------+-------------------+
| clientcountryname                     | clientcountrycode | avg(downloadtime) |
+---------------------------------------+-------------------+-------------------+
| Anonymous Proxy                       | A1                |          118.0833 |
| Satellite Provider                    | A2                |          978.5000 |
| Aruba                                 | ABW               |           31.8462 |

我的问题是:SQL 中有没有一种方法可以根据我的数据库中存在的日期对列名进行分组?

【问题讨论】:

    标签: mysql join group-by


    【解决方案1】:

    如果我正确理解你的问题,你应该也可以按日期分组:

    SELECT clientcountryname,clientcountrycode,Date, avg(downloadtime),
    FROM tb_npp 
    GROUP BY clientcountrycode,clientCountryCode,Date;
    

    【讨论】:

    • 谢谢,但不,我正在考虑根据日期列中的数据进行完全外部联接
    猜你喜欢
    • 1970-01-01
    • 2022-01-16
    • 1970-01-01
    • 1970-01-01
    • 2019-05-09
    • 1970-01-01
    • 1970-01-01
    • 2019-02-04
    • 2020-09-26
    相关资源
    最近更新 更多