Question

我正在努力解决每隔一天在巴黎和柏林之间运行火车的问题。如果列车在T-2天没有运行，则被认为是“新的”，如果没有计划在T + 2天运行则被“结束”。这些列车的出发时间可以是（+/-）60分钟与参考列车（我们正在与之比较）。

因此，如果我有一个月的数据集，我必须计算每次旅行，如果它是新的或结束。数据格式为trip_id, start_city_id, end_city_id, dep_datetime。

实施例

1,B,P,2018-04-01 07:50  
2,B,P,2018-04-01 13:10  
3,B,P,2018-04-01 15:40  
4,B,P,2018-04-02 08:00  
5,B,P,2018-04-02 12:50  
6,B,P,2018-04-02 15:20  
7,B,P,2018-04-03 09:50  
8,B,P,2018-04-03 13:20  
9,B,P,2018-04-03 15:40  
10,B,P,2018-04-04 09:50  
11,B,P,2018-04-04 13:20  
12,B,P,2018-04-04 14:40

在上面的示例中=＆gt;
* train_id = 1可以被视为“已结束”，因为它没有安排在T + 2（4月3日）上运行，在（+/-）60分钟的时差与train_id = 1之间。 *虽然train_id = 2可以被认为是“无变化”，因为相应的列车在4月3日@ 12:50运行，这是在train_id = 2的出发时间的60分钟内 *虽然train_id = 7将被视为T-2（4月1日）的“新”列车，但没有相应的列车在（+/-）60分钟的出发时间内运行train_id = 7

我在数据库中有数据。现在，我正在循环数据集中的每个项目，我不确定这是否是最好的方法

你认为我应该首先将所有必需的数据提取到我的程序（python）中并运行算法吗？或者我应该在数据库本身做一切，可能是MySQL中的存储过程？
我应该使用哪种算法和数据结构？

Answer 1

你的方法是否足够快？称之为好。

类似下面的查询会给出答案（您需要将其调整为您的SQL方言）。它运作得足够快吗？然后称它为好。

select *,
not exists(select * from T T2 
where T2.start_city_id=T.start_city_id
where T2.end_city_id=T.end_city_id
and T2.dep_datetime between T.dep_datetime - '49 hours'::interval and T.dep_datetime  - '47 hours'::interval) as starting,
not exists(select * from T T2 
where T2.start_city_id=T.start_city_id
where T2.end_city_id=T.end_city_id
and T2.dep_datetime between T.dep_datetime + '47 hours'::interval and T.dep_datetime  + '49 hours'::interval) as ending
from T

如果没有，请尝试在（start_city_id，end_city_id，dep_datetime）上添加索引。作品？称之为好。

如果没有，请尝试优化查询。您应该进行顺序扫描和2次索引扫描。作品？称之为好。

如果所有其他方法都失败，则获取按（start_city_id，end_city_id，dep_datetime）排序的数据，然后获取匹配的上一个或下一个连接的每个记录二进制搜索（在python中）。有点棘手，但绝对应该足够快。

列车时刻表搜索算法

1 个答案: