基于行序列的分组

Question

我有一个订单表，其中有一列表示是买入还是卖出，行通常按时间戳排序。我想做的是对连续买入的组加上他们的卖出进行操作。例如B B S B S B B S -> (B B S) (B S) (B B S)

例子：

order_action |      timestamp      
-------------+---------------------
buy          | 2013-10-03 13:03:02
buy          | 2013-10-08 13:03:02
sell         | 2013-10-10 15:58:02
buy          | 2013-11-01 09:30:02
buy          | 2013-11-01 14:03:02
sell         | 2013-11-07 10:34:02
buy          | 2013-12-03 15:46:02
sell         | 2013-12-09 16:00:03
buy          | 2013-12-11 13:02:02
sell         | 2013-12-18 15:59:03

最后我将运行一个聚合函数（这些组是这样我可以根据其卖出订单排除整个组），所以GROUP BY 或分区窗口似乎是正确的方法，但我无法弄清楚如何获得这个特定的分组。

Answer 1

使用count() 作为窗口聚合函数，这可能非常简单：

Postgres 9.4 或更高版本，聚合 FILTER：

SELECT *, count(*) FILTER (WHERE order_action = 'sell')
                   OVER (ORDER BY ts DESC) AS grp
FROM   orders
ORDER  BY ts;

或使用升序的grp 数字：

SELECT *, count(*) FILTER (WHERE order_action = 'sell')
          OVER (ORDER BY ts ROWS BETWEEN UNBOUNDED PRECEDING AND 1 PRECEDING) AS grp
FROM   orders
ORDER  BY ts;

见：

• Aggregate columns with additional (distinct) filters

使用ts 而不是timestamp 作为列名以避免reserved words 作为标识符。

count() 使用the default frame definition 返回从帧开始（在本例中为整个表）到当前行（最后一个对等方）的运行计数。销售的运行计数按要求对您的行进行分组。
我在OVER 子句中订购降序，让每个组以尾随“卖出”结束，而不是前导“卖出”。这导致组数递减。但这不重要，您只需要组号。
重复的时间戳将是一个问题（无论如何！）。

组号升序的一种方法：对窗口函数使用自定义FRAME definition：

在任何 Postgres 版本中

SELECT *, count(order_action = 'sell' OR NULL) OVER (ORDER BY ts DESC) AS grp
FROM   orders
ORDER  BY ts;

SELECT *, count(order_action = 'sell' OR NULL)
          OVER (ORDER BY ts ROWS BETWEEN UNBOUNDED PRECEDING AND 1 PRECEDING) AS grp
FROM   orders;

count() 只计算非空值。表达式order_action = 'sell' OR NULL 导致“卖出”TRUE，否则NULL。

dbfiddle here - 全部演示。
_{旧 sqlfiddle}

Answer 2

您可以通过计算每行或之后的sells 的数量来表征组。您可以使用累积总和来执行此操作，以获得可用于聚合的组。这是一个例子：

select min(timestamp), max(timestamp), sum(case when order_action = 'buy' then 1 else 0 end) as buys
from (select o.*,
             sum(case when order_action = 'sell' then 1 else 0 end) over
                 (order by timestamp desc) as grp
      from orders o
     ) o
group by grp

Answer 3

我没有 PostgreSQL，所以我在 SQL Fiddle 上试了一下

with sells as (
  select
    rank() over w grp,
    lag(timestamp,1,'2000-01-01') over w sd,
    timestamp td
  from
    orders
  where
    order_action = 'sell'
  window w as (order by timestamp)
)
select
  s.grp,
  o.order_action,
  o.timestamp
from
  orders o
join
  sells s
    on o.timestamp > s.sd
    and o.timestamp <= s.td
order by o.timestamp

让我知道这是否适合您。这是我第一次使用 PostgreSQL，我很喜欢。