使用 LAG() 函数选择最后一天的价格

Question

我有一个用户事务表，其中包含用户 ID、日期、项目 ID、价格和 prev_day_price 列。 示例是：

userid	date	itemid	price	prev_day_price
1	2020-12-26	archicad	1400.0
1	2020-12-26	archicad	1400.0
1	2020-12-24	archicad	1200.0
1	2020-12-23	archicad	1240.0
1	2020-12-23	archicad	1240.0
1	2020-12-21	archicad	1100.0

我需要找到每件商品的前一天（最后一天）价格。我想应用滞后功能，但也想应用 group by，这样我就可以通过 userid 和 itemid 找到以前的价格。因为我的桌子有些日子有一个以上的行\按项目的价格，它不会在 24-12-2020 - 25-12-2020 - 26-12-2020 继续。

userid	date	itemid	price	prev_day_price
1	2020-12-26	archicad	1400.0
1	2020-12-26	archicad	1400.0

现在，它开始让我对使用延迟功能感到困惑和融化。在更新 prev_day_price 列之前，我尝试按滞后函数查看预览结果：

SELECT*,
  lag(price) OVER (PARTITION BY itemid, date, userid) AS prev_day_price 
FROM userlog

但结果是：

userid	date	itemid	price	prev_day_price	prev_day_price
1	2020-12-21	archicad	1100.0
1	2020-12-24	archicad	1200.0
1	2020-12-24	archicad	1200.0		1200.0
1	2020-12-24	archicad	1200.0		1200.0
1	2020-12-26	archicad	1400.0
1	2020-12-26	archicad	1400.0		1400.0

看来我的查询无法正常工作。我想所以我错过了一些重要的事情。我的预期结果如下：

userid	date	itemid	price	prev_day_price
1	2020-12-26	archicad	1400.0	1200
1	2020-12-26	archicad	1400.0	1200
1	2020-12-24	archicad	1200.0	1240
1	2020-12-23	archicad	1240.0	1100
1	2020-12-23	archicad	1240.0	1100
1	2020-12-21	archicad	1100.0	1100

我尝试使用 lag(price,1) 而不是 lag(price) 来抵消 0 并将默认设置为 0，但它也不起作用。输出格式不是太重要，只要我最终能把它变成一个数组。我正在使用 Postgres。提前致谢。

Answer 1

为什么您的解决方案不能正常工作？

lag() 以及所有其他窗口函数都在您定义的窗口上工作。在您的情况下，您可以定义一个分区窗口，一个组。 lag() 函数仅在该组内执行，而不是在组上执行。因此，它返回分区内的先前值。例如。对于2020-12-26，它为第一条记录返回NULL（因为在第一条记录之前没有前一条记录）以及第二条记录中第一条记录的值。但这在每个 date 组中单独发生。这解释了你的结果。

---

Postgres 11+ 的解决方案：

demo:db<>fiddle

SELECT
    *,
    first_value(price) OVER (
        ORDER BY itemid, userid, mydate 
        GROUPS BETWEEN 1 PRECEDING AND CURRENT ROW
    ) AS prev_day_price 
FROM userlog

您必须定义另一个窗口，您可以在其上执行操作。最好将当前日期组和上一个日期组中的所有记录捆绑在一起，而不是单独窗口化所有日期。这正是GROUPS 窗口的用途。使用该组，您可以按日期对记录进行排序并获取第一个值。这正是您所期望的。

---

Postgres 版本 的解决方案：

（不支持GROUPS windows 和PRECEDING != UNBOUNDED）

step-by-step demo:db<>fiddle

SELECT
    u.itemid,
    u.mydate,
    u.userid,
    s.price                                          -- 5
FROM userlog u
JOIN (                                               -- 4
    SELECT
        itemid, mydate, userid,
        COALESCE(                                    -- 3
             lag(price) OVER (PARTITION BY itemid, userid ORDER BY mydate),  -- 2
             price
        ) as price
    FROM (
        SELECT
            itemid, mydate, userid,
            MAX(price) as price                      -- 1
        FROM userlog
        GROUP BY itemid, mydate, userid
    ) s
) s USING (itemid, mydate, userid)

1. 将所有组减少到一条记录，例如与组和聚合。另一个机会可能是使用SELECT DISTINCT ON (itemid, mydate, userid)
2. 使用lag() 函数在每个组中移动前一个price（好吧，只有itemid/userid 组，mydate 列必须仅用于排序！）使用lag() 函数
3. 因为第一个记录没有以前的记录，所以将采用当前记录。这就是 COALESCE() 函数的作用。
4. 将此结果加入您的原始表并...
5. ... 从中返回“滞后”price。