基于顺序和键的 SQL 组行

Question

我有一张表，其中包含一组临时工，他们的合同可以续签，并且他们在重叠期间继续工作，或者该工人可能会在稍后的某个时间回来并再次为不同部门或同一个部门工作。我的目标是以这样一种方式合并数据行，即如果工作人员的时间重叠，那么实质上重叠的时间段可以转换为一行。如果没有，则应将它们表示为单独的行。

当前输出：

+---------------------+------------------+------------------+------------------+
|         Name        |    Department    |    Start Date    |     End Date     |
+---------------------+------------------+------------------+------------------+
|         Tom         |     Finance      |    2010-08-09    |   2010-09-09     |
|         Tom         |     Finance      |    2010-09-10    |   2010-10-10     |
|         Tom         |        HR        |    2010-11-01    |   2011-01-15     |
|         Tom         |     Finance      |    2011-02-01    |   2011-03-01     |
+---------------------+------------------+------------------+------------------+

期望的输出

+---------------------+------------------+------------------+------------------+
|         Name        |    Department    |    Start Date    |     End Date     |
+---------------------+------------------+------------------+------------------+
|         Tom         |     Finance      |    2010-08-09    |   2010-10-10     |
|         Tom         |        HR        |    2010-11-01    |   2011-01-15     |
|         Tom         |     Finance      |    2011-02-01    |   2011-03-01     |
+---------------------+------------------+------------------+------------------+

我尝试按姓名和部门分组，然后输出 MIN 和 MAX 日期。但是，这不适用于上述示例。

我也尝试对订单进行排名，但是当进行值不匹配时，此功能不会重置排名编号。

Answer 1

这是一个间隙和孤岛问题的示例。假设表格中的时间范围没有间隙，最简单的方法可能是行号的差异：

select name, department, min(start_date), max(end_date)
from (select t.*,
             row_number() over (partition by name order by start_date) as seqnum,
             row_number() over (partition by name, department order by start_date) as seqnum_nd
      from t
     ) t
group by name, department, (seqnum - sequm_nd);

这是如何工作的有点难以解释。但是，如果您查看子查询的结果，您可能会看到行号的差异如何识别具有相同部门的相邻记录。

如果您有差距——并且你想考虑到这一点——那么你可以使用更精确的版本。在此方法中，使用lag() 获取上一个结束日期，并使用该日期创建一个标志来识别“岛屿”何时开始。剩下的只是聚合：

select name, department, min(start_date), max(end_date)
from (select t.*,
             sum(case when prev_end_date >= start_date - interval '1 day' then 1 else 0 end) over (partition by name order by start_date) as grp
      from (select t.*,
                   lag(end_date) over (partition by name, department order by start_date) as prev_end_date
            from t
           ) t
     ) t
group by name, department, grp;

请注意，这使用了众所周知的依赖于数据库的日期运算符。确切的语法取决于您使用的数据库，因此代码可能需要调整。