Question

分析具有过多波动性的数据系列趋势很难。在许多情况下，使用平滑技术（例如移动平均值或移动总和）很有用。有很多工具可以执行此类操作，但是当我们讨论数百万行时，直接在Google Big Query等云环境中进行操作非常有用。

我的问题是：如何在Google Big Query上计算移动金额/平均值？

Bellow它跟随我想要实现的移动平均值的数字：

Answer 1

以下是BigQuery Standard SQL

#standardSQL
SELECT
    pickup_date,
    number_of_trip,
    AVG(number_of_trip) OVER (ORDER BY day RANGE BETWEEN 6 PRECEDING AND CURRENT ROW) AS mov_avg_7d,
    AVG(number_of_trip) OVER (ORDER BY day RANGE BETWEEN 27 PRECEDING AND CURRENT ROW) AS mov_avg_28d
FROM (
  SELECT 
    DATE(pickup_datetime) AS pickup_date,
    UNIX_DATE(DATE(pickup_datetime)) AS day,
    COUNT(*) AS number_of_trip
  FROM `nyc-tlc.yellow.trips` 
  GROUP BY 1, 2
)
WHERE pickup_date>'2013-01-01'

乍一看 - 这个答案看起来与OP的答案非常相似，所以只有几条关于这个答案如何不同的评论：

首先（也是最不重要的） - BigQuery Team强烈建议使用BigQuery Standard SQL - 除非有充分的理由使用Legacy SQL - 例如因为范围快照或者特定于遗留sql的东西

其次，最重要的是 - 在这种情况下使用OVER和ROWS并不是最好的选择，因为它计算的是行而不是天数，所以如果 - 偶然 - 任何给定的日子都会丢失 - 计算将使用最后8天和29天分别（而不是7和28）
在这种情况下，应该使用OVER和RANGE

Answer 2

我花了很多时间研究这个答案但没有成功，所以我觉得与更多人分享是值得的。

解决方案：为了得到答案，我使用了Big Query的分析函数OVER和ROWS（https://cloud.google.com/bigquery/docs/reference/standard-sql/functions-and-operators#analytic-function-syntax）。 Bellow有一个使用BigQuery中提供的公共数据的7天移动平均值和28天移动平均值的例子：

SELECT
    pickup_date,
    number_of_trip,
    avg(number_of_trip) OVER (ORDER BY pickup_date ROWS BETWEEN 6 PRECEDING and CURRENT ROW) AS mov_avg_7d,
    avg(number_of_trip) OVER (ORDER BY pickup_date ROWS BETWEEN 27 PRECEDING and CURRENT ROW) AS mov_avg_28d
FROM
    (SELECT 
        date(pickup_datetime) as pickup_date,
        count(*) as number_of_trip,
    FROM [nyc-tlc:yellow.trips] 
    group each by 1
    order by 1)
where pickup_date>'2013-01-01'

小心反模式！网上有很多帖子建议使用JOIN甚至CROSS JOIN来获得相同结果的解决方案。但是，根据Big Query文档（https://cloud.google.com/bigquery/docs/best-practices-performance-patterns），这些方法都是反模式。这意味着如果使用强力解决问题，对于大量数据性能将是一个问题。

如何计算Google Big Query的移动金额/平均值？

2 个答案: