Question

我有一个包含50k行的表，其中包含A列（BIGINT，示例客户帐户ID）和B列（日期，示例 - 上次购买日期）。

我想了解在最后一次购买中，有多少客户在给定日期范围的前25％瓷砖，前50％瓷砖，75％瓷砖中进行了最后一次购买，因此我可以根据所有这些客户帐户ID来判断我们最近的大部分购买都倾向于。关于如何在sql中实现的任何想法？

表：alltransations

ACCT_ID         |   DATE
----------------|---------------
23748234782947  |   05-15-2016
28178792839838  |   05-01-2016
28178092734538  |   02-12-2016
28347732839867  |   01-15-2016
28170909362959  |   10-10-2015
28171334099090  |   11-11-2015
28109129330023  |   12-25-2014
28172377859289  |   10-31-2014

Answer 1

我不确定我是否使用了瓷砖，但是如果你的意思是将时间范围划分为四个区域，那么从2016-02-01到2016-06-01的间隔就会如此。权衡：手动计算间隔;也可以通过日期计算来做到这一点

CREATE TABLE tblA ( ACCT_ID INTEGER, PDATE DATE);

INSERT INTO TblA(ACCT_ID, PDATE) VALUES (1000,'2016-05-21');
INSERT INTO TblA(ACCT_ID, PDATE) VALUES (1001,'2016-05-11');
INSERT INTO TblA(ACCT_ID, PDATE) VALUES (1002,'2016-05-24');
INSERT INTO TblA(ACCT_ID, PDATE) VALUES (1003,'2016-04-21');
INSERT INTO TblA(ACCT_ID, PDATE) VALUES (1004,'2016-02-12');
INSERT INTO TblA(ACCT_ID, PDATE) VALUES (1005,'2016-02-21');
INSERT INTO TblA(ACCT_ID, PDATE) VALUES (1001,'2016-03-22');
INSERT INTO TblA(ACCT_ID, PDATE) VALUES (1002,'2016-04-01');
INSERT INTO TblA(ACCT_ID, PDATE) VALUES (1005,'2016-04-01');
INSERT INTO TblA(ACCT_ID, PDATE) VALUES (1006,'2016-04-01');

    SELECT DISTR.DATE_RANGE, COUNT(DISTR.ACCT_ID) / OVRL.TOTALCNT
FROM (SELECT 'TOP25' as DATE_RANGE, A.ACCT_ID
        FROM tblA A
       WHERE A.PDATE BETWEEN STR_TO_DATE('01.05.2016', '%m/%d/%Y')  AND STR_TO_DATE('01.06.2016', '%m/%d/%Y')
      UNION ALL
      SELECT 'TOP50' as DATE_RANGE, B.ACCT_ID
        FROM tblA B
       WHERE B.PDATE BETWEEN STR_TO_DATE('01.04.2016', '%m/%d/%Y')  AND STR_TO_DATE('01.06.2016', '%m/%d/%Y')
      UNION ALL
      SELECT 'TOP75' as DATE_RANGE, C.ACCT_ID
        FROM tblA C
       WHERE C.PDATE BETWEEN STR_TO_DATE('01.03.2016', '%m/%d/%Y')  AND STR_TO_DATE('01.06.2016', '%m/%d/%Y')
      UNION ALL
      SELECT 'ALL' as DATE_RANGE, C.ACCT_ID
      FROM tblA C
      WHERE C.PDATE BETWEEN STR_TO_DATE('01.02.2016', '%m/%d/%Y')  AND STR_TO_DATE('01.06.2016', '%m/%d/%Y') ) DISTR
,    (SELECT COUNT(*) AS TOTALCNT FROM tblA A WHERE A.PDATE BETWEEN STR_TO_DATE('01.03.2016', '%m/%d/%Y')  AND STR_TO_DATE('01.06.2016', '%m/%d/%Y')) OVRL
GROUP BY DISTR.DATE_RANGE, OVRL.TOTALCNT

将提供

ALL 10  10
TOP25   3   10
TOP50   7   10
TOP75   8   10

Answer 2

此解决方案将根据数据集的完整日期范围动态创建日期四分位数，然后显示四分位数中出现的ID的百分比：

select unix_timestamp(min(date)) into @start from p;
select unix_timestamp(max(date)) into @end from p;
Set @25 = 0.25 *(@end - @start)+@start;
Set @50 = 0.50 *(@end - @start)+@start;
Set @75 = 0.75 *(@end - @start)+@start;

SELECT 
CASE WHEN unix_timestamp(date)>@75 then 4
WHEN unix_timestamp(date)>@50 then 3
WHEN unix_timestamp(date)>@25 then 2
ELSE 1 END as Quartile, 
round(count(id)/(select count(*) from p)*100,2) as Percentage 
FROM p 
GROUP BY Quartile;

Here is a functional example带有更多细节和格式。

如果你的一半日期在你的范围的开头，一半在结尾，你只会动态地看到Q1和Q4。

首先将变量设置为范围，然后为每个Quartile或其他时间段分区进行拆分。

CASE语句从大到小的日期级联，全部采用UNIX_TIMESTAMP格式，以便于算术，在失败时从Quartile传递到Quartile。

此相同的结构可用于按分段，n-tiles分割日期范围。

根据SQL中的日期计算百分位数

2 个答案: