Question

我有以下SQL问题，其中我实际上正在寻找最有效的方法来执行此操作。假设我有下表：

r|Company - StartPeriod - EndPeriod - NumberOfEmployees - NumberOfMachines ...
1|A - 2014-1-1 - 2014-2-5 - 30 - 1
2|A - 2014-2-6 - 2014-3-7 - 30 - 1
3|A - 2014-3-8 - 2014-4-9 - 31 - 1
4|A - 2014-4-9 - 2014-5-1 - 32 - 1
5|B - 2014-1-2 - 2014-2-1 - 20 - 2
6|B - 2014-2-2 - 2014-3-1 - 20 - 2
7|B - 2014-3-2 - 2014-4-1 - 20 - 2

注意多余的数据量？这是因为公司偶尔会被抽样，因此这些时期的长度实际上是随机的。

现在问题是，当且仅当变量NumberOfEmployees，NumberOfMachines etcetera相同但StartPeriod和Endperiod不同时，如何合并行？当然我想用最早的那个替换开始时期，用最新的那个替换endperiod。

r只是一个指标，而不是数据库中的变量。在这种情况下，1和2将被合并，但3,4将被保留，因为它具有不同的值（即它有31名员工而不是30名）。

在我看来，这是一个很难的问题，我甚至不确定SQL是否可以做到这一点。

结果输出为：

r|Company - StartPeriod - EndPeriod - NumberOfEmployees - NumberOfMachines ...
1|A - 2014-1-1 - 2014-3-7 - 30 - 1
2|A - 2014-3-8 - 2014-4-9 - 31 - 1
3|A - 2014-4-9 - 2014-5-1 - 32 - 1
4|B - 2014-1-2 - 2014-4-1 - 20 - 2

感谢您的一切！

Answer 1

您可以使用group by：

select company, min(startperiod) as startperiod, max(endperiod) as endperiod,
       numberofemployees, numberofmachines . .
from table t
group by company, numberofemployees, numberofmachines;

如果这不能解决问题，请编辑问题并提供有关合并行所需的其他逻辑的更多信息。

Answer 2

你可以使用“岛屿和差距”战略：

select r, company, min(startperiod), max(EndPeriod)
     , NumberOfEmployees, NumberOfMachines, ..., grp
from (
    select r, company, startperiod, EndPeriod, ...
         , row_number() over (order by r)
         - row_number() over (partition by company, 
                                           NumberOfEmployees,
                                           NumberOfMachines, ...  
                              order by r) as grp
    from T
)
group by r, company, NumberOfEmployees, NumberOfMachines, ..., grp

基于时间帧合并行以减少SQL Server 2012中的数据冗余

2 个答案: