使用 LAG() 和 PARTITION BY 在日期的 10 天内返回行 IF答案

【问题标题】：Using LAG() and PARTITION BY to return rows IF within 10 days of date使用 LAG() 和 PARTITION BY 在日期的 10 天内返回行 IF
【发布时间】：2019-02-09 12:37:47
【问题描述】：

我有一个名为fruits 的表格：

id  fruit_bought   quantity   date
1 | orange       | 100      | 2018-01-10
2 | apple        | 50       | 2018-02-05
3 | orange       | 75       | 2018-03-07
4 | orange       | 200      | 2018-03-15
5 | apple        | 10       | 2018-03-17
6 | orange       | 20       | 2018-03-20

我想返回包含 fruit_bought 和 orange 的行如果在过去 10 天内的任何时间购买了任何橙子，从日期 2018-03-20（与id 6 的行）。

例如：

从2018-03-20 开始，在这一天（行id 6）购买了橙子
在此之前 10 天是否购买过任何橙子？是：在“2018-03-15”（行 id 4）
在此日期前 10 天是否购买过任何橙子？是：在“2018-03-07”（行 id 3）
在此日期前 10 天是否购买过任何橙子？没有。

最后，我尝试创建的查询将返回 id 为 3、4 和 6（但不是 1）的行。

到目前为止，我的查询如下：

SELECT *, LAG(date, 1) OVER (PARTITION BY fruit_bought) FROM fruits
WHERE fruit_bought = 'orange';

这将返回每一行，其中fruit_bought 是orange，并且它添加了一个额外的lag 列。

【问题讨论】：

标签： sql postgresql

【解决方案1】：

此答案基于Gordon Linoff's idea，但有一些调整：

FILTER is not implemented for pure window functions 类似于 Postgresql 11 中的 Lead() 或 lag()（目前）。所以使用WHERE fruit_bought='orange'作为整个内部SELECT的条件。
要保证选择具有最后日期的行，请使用LEAD(date, 1, '-infinity')。这使得next_date 的默认值等于-infinity 时间戳。因此date >= next_date - interval '10 day' 将在最后一个日期为 TRUE。
让我们将 10 天内的行称为一个集群。要仅从最后一个集群中选择行，计算一个累积总和，计算 cond 为 FALSE 的次数（因为 FALSE 值分隔集群）：
```
SUM(CASE WHEN cond IS TRUE THEN 0 ELSE 1 END) OVER (ORDER BY date DESC) AS cluster_num
```
只选择cluster_num等于0的行。因为我们ORDER BY date DESC，所以第0个簇是最后一个簇。

SELECT *
FROM (
    SELECT *, SUM(CASE WHEN cond IS TRUE THEN 0 ELSE 1 END) OVER (ORDER BY date DESC) AS cluster_num
    FROM (
        SELECT *, date >= next_date - interval '10 day' AS cond
        FROM (
            SELECT id, fruit_bought, date, 
                LEAD(date, 1, '-infinity') 
                OVER (PARTITION BY fruit_bought ORDER BY date) AS next_date 
            FROM fruits 
            WHERE fruit_bought='orange'
            -- restrict date here to specify an "initial date"
            AND date <= '2018-04-01'  
        ) t1
    ) t2
) t3
WHERE cond AND cluster_num = 0
ORDER BY date ASC

产量

| id | fruit_bought |       date |  next_date | cond | cluster_num |
|----+--------------+------------+------------+------+-------------|
|  3 | orange       | 2018-03-07 | 2018-03-15 | t    |           0 |
|  4 | orange       | 2018-03-15 | 2018-03-20 | t    |           0 |
|  6 | orange       | 2018-03-20 |  -infinity | t    |           0 |

设置：

CREATE TABLE fruits (
    fruitid INT PRIMARY KEY GENERATED BY DEFAULT AS IDENTITY,
    id INT,
    fruit_bought TEXT,
    quantity INT,
    date DATE);

INSERT INTO fruits (id, fruit_bought, quantity, date)
VALUES (1,'orange',100,'2018-01-10')
, (2,'apple',50,'2018-02-05')
, (3,'orange',75,'2018-03-07')
, (4,'orange',200,'2018-03-15')
, (5,'apple',10,'2018-03-17')
, (6,'orange',20,'2018-03-20')
, (7,'orange',20,'2018-01-09');

【讨论】：

有没有办法提供一个初始日期来搜索？例如：从日期2018-03-20 开始并倒退？您示例中的查询似乎搜索了我的整个表格。
当然——您可以在最里面的SELECT 中使用date <= initial_date 条件来限制哪些日期是整个查询的一部分。我已经编辑了帖子以说明我的意思。

【解决方案2】：

一种方法是 lag() 和 filter 。 . .但像这样使用：

select f.*
from (select f.*,
             lag(date) filter (where fruit_bought = 'orange') over (order by date) as prev_orange_date
      from fruits f
     ) f
where prev_orange_date >= date - interval '10 day';

不过，exists 也会浮现在脑海中：

select f.*
from fruits f
where exists (select 1
              from fruits f2
              where f2.fruit_bought = 'orange' and
                    f2.date >= f.date - interval '10 day' and
                    f2.date < f.date
             );

这两个查询都假定日期是唯一的，如您的示例所示。如果你们有联系，那么每个人都可以工作。但是，您必须指定如何处理购买橙子的日子。

【讨论】：

【解决方案3】：

试试

select fruit_bought, min(date), max(date) group by fruit_bought
having (max(date) - min(date)) <= 10;

【讨论】：