SQL 应用（ROW_NUMBER和辅助表）

最新推荐文章于 2023-05-19 17:29:01 发布

置顶 naiyoumianbaohaohaoc

最新推荐文章于 2023-05-19 17:29:01 发布

阅读量1.2k

点赞数

本文链接：https://blog.csdn.net/dufemt/article/details/80653952

版权

之前我所做的是每一个电视台的人数统计，进而计算电视台的收视率和节目收视率。因为系统的工作原理是当你换台的时候才产生记录，否则不产生记录。这样我就可以根据用户的收视行为来统计出这个太每秒钟的收看人数。可是现在需要我统计一个系统中的记录，这样的问题就在于系统是一个整体，换台这个行为发生在系统中，用户离开一个节目，就会进入下一个节目。除非用户在这个节目关机。我目前需要统计每秒钟系统内开机的机顶盒数，我想了两种方法去解决这个问题：

1. 开机表示为上一秒这个id不存在于系统内，这一秒存在。关机为上一秒存在，这一秒不存在。所以我想通过循环，比较这一秒和前后两秒的id。但是这样的话计算量是超级大的全天有86400秒。有大约14w个机顶盒id。

2. 统计出每个用户的收看电视的轨迹，按照时间排序，然后第一个节目的START_TIME就是开机时间，最后一个节目的END_TIME就是关机时间。下面也是按照这个思路去做的。

[Err] ERROR: CASE types integer and character varying cannot be matched

原因是数据库字段为integer数据类型而传入的是character数据类型。

用START_TIME_C可以减少发生跳变，两种情况假设：

1. 全天没有换台，这样一个人的C就会一直停留在一个节目。

2. 例如由新闻锋线承接到了辽宁新闻，再从辽宁新闻关机，这样最后一个电视台就是大连-1。

我明白了，如果以频道，就用C，包括窗口函数都用C；如果以节目，需要知道用START_TIME，因为C在用一个电视台不的不同节目不会发生变化。

第一步：根据节目来排序，然后找到第一个节目和最后一个节目，where用来除去点播台

报错了，这是因位没有搞懂点播台是没有记录而不是0，所以要用IS NOT NULL。但是改完之后还是没有过滤掉，还会出现点播台，这时候发现点播台P和C名称一样，用这个特点。WHERE "CHANNEL_NAME" != "PROGRAM_NAME"

去除点播台之后又有新的问题。Navicat抽风了

上网搜了说是什么数据权限的问题，感觉都解决不了。是不是导入数据使用的问题，是不是Postresql的问题，先不要充公去卸载重装，在MySQL里面试一下。

发现mysql出现了同样的问题，重启下电脑试一下，不行就只能重装了，重装之前记得把查询都备份一下，这可是心血。

重启之后暂时好了。

数据类型问题

运行

然后发现出现了问题，在导入的时候没有设置数据的格式，造成系统默认的排序出现混乱。

联想到之前第五章时间里面讲的，

但是我还不想用这个方法，觉得有点麻烦，想像之前MySQL里面一样转换数据格式。首先了解下postresql的时间格式。

最方便准确就是去看PostgreSQL 9.3.1 中文手册

然后要确定要修改为什么格式，确定就是你了----TIMESTAMP WITHOUT TIME ZONE

试过了在Navicat里面好像修改不了，

A USING clause must be provided if there is no implicit or assignment cast from old to new type.

大致意思是：转换类型的时候有隐含类型转换的时候，会自动转换，如果没有，那么就必须使用using指定一下转换规则。

https://blog.csdn.net/luojinbai/article/details/46387121

根据提示,在没有隐式的转换下，就需要指定Using来显示的转换。这里用到DDL。

https://blog.csdn.net/hello_acm/article/details/53559062

结果如下：

ALTER TABLE "3月5日0-11" ALTER "START_TIME" TYPE TIMESTAMP(6) WITHOUT TIME ZONE USING "START_TIME"::TIMESTAMP(6) WITHOUT TIME ZONE

修改成功，然后把所有的表对应字段都修改。

又出现问题了，发现修改不了START_TIME_C

搜索全网，都是一些外国人写的。试过了各种方法都不行，换了一个表发现运行一段时间才报错，然后猛然惊醒，这个报错的意思是空值，刚好点播台就是没有这些数值的，想想能不能删除这些空值。首先找出来有多少条点播的记录，看看情况先。点播的记录不计算到收视率中，对于我没有太大的意义。

因为已经修改了两个表的数据结构START_TIME&END_TIME，已经不能union all 了。索性全改了。

改完发现有233421条。还挺多的，问下电视台方便能不能删除。

晚上电视台回复说暂时删除，因为这次做的目的是和传统的评价方式做对比，传统方式不含点播。

但是在这之前我已经找到了修改START_TIME_C数据类型的方法，就是在导入数据的时候修改，这样空值会被设为NULL。

将没有节目和电视台的记录删除。

将这几个表中的无信息数据删除。

接下来，将点播的记录删除，然后再修改START_TIME_C的数据类型。这里首先明确一下点播的特征是什么？

处理完数据后，接上前天的方法统计每个人每个人的收看轨迹。找到第一个和最后一个。

受到了启发

所以有了下面的代码

WITH a AS(SELECT CONCAT("CUST_ID",'-',"PATCH_CODE") as newkey, "CHANNEL_NAME", "PROGRAM_NAME", "START_TIME", "END_TIME", 
		 "DURATION", "START_TIME_C", "END_TIME_C",
		 ROW_NUMBER() OVER (PARTITION BY CONCAT("CUST_ID",'-',"PATCH_CODE") ORDER BY "START_TIME") AS ranks
FROM (SELECT * FROM "3月5日0-11" 
			UNION ALL SELECT * FROM "3月5日12-17" 
			UNION ALL SELECT * FROM "3月5日18-1930"
			UNION ALL SELECT * FROM "3月5日1930-21"
			UNION ALL SELECT * FROM "3月5日22-24") ojbk
				 )
SELECT thetime, SUM(kai) AS kai, SUM(guan) AS guan
FROM (
(SELECT "START_TIME_C" AS thetime, COUNT(*) AS kai, 0 AS guan
FROM (SELECT newkeys, "START_TIME_C"
      FROM ((SELECT newkey as newkeys, MIN(ranks) AS minranks
		FROM a
		GROUP BY newkey) b
		INNER JOIN
		a
		ON a.newkey = b.newkeys) ojbk
	WHERE minranks = ranks) as oo
GROUP BY "START_TIME_C"
ORDER BY "START_TIME_C")
UNION ALL
(SELECT "END_TIME_C" AS thetime, 0 AS kai, COUNT(*) AS guan
FROM (SELECT newkeys, "END_TIME_C"
      FROM ((SELECT newkey as newkeys, MAX(ranks) AS maxranks
		FROM a
		GROUP BY newkey) b
		INNER JOIN
		a
		ON a.newkey = b.newkeys) ojbk
	WHERE maxranks = ranks) as oo
GROUP BY "END_TIME_C"
ORDER BY "END_TIME_C")
) summary
GROUP BY thetime
ORDER BY thetime

但是这个查询存在一个问题，如果某一时间没有开机也没有关机，输出不包含这条记录。有两个解决办法：

1.在Excel中补全。运用VLOOKUP公式

先用公式造出有一个全天86400s的辅助列，然后将这一列的格式与比对列匹配。好用VLOOKUP。

公式都是正常的，但是卡在了格式上面。一直匹配不好

需要双击之后数据的才能匹配上，搜索

解决了。。。

然后每秒的太密，x轴放不下。画图不方便，所以选择每隔60s取一次数（按分钟呈现）。公式如下

这里有个问题就是时间的显示不是整点，修改为每个小时显示。右击横坐标——坐标轴选项。将最小，最大值分别设置成0和1，然后将主要刻度单位设置成0.25，则将时间设置成4段，设置成0.166666666666则将坐标轴设置成6段，每段两小时，以此类推。

做完之后发现还是有点笨，有没有办法再SQL里面就把没有开关机时刻补为0？

所以有了方法2.

2.为了包含从开始到最后的所有时间，我需要收集什么都没有发生的时间。构建一个新表Alltime。用LEFT JOIN

这个之后再来做。目前对于我来说难度还太高。

（离开之后才做出来）

WITH zaixian AS(
SELECT CONCAT("CUST_ID",'-',"PATCH_CODE") as newkey, "CHANNEL_NAME", "PROGRAM_NAME", "START_TIME", "END_TIME", 
       "DURATION", "START_TIME_C", "END_TIME_C",
	ROW_NUMBER() OVER (PARTITION BY CONCAT("CUST_ID",'-',"PATCH_CODE") ORDER BY "START_TIME") AS ranks
FROM (SELECT * FROM "3月5日0-11" 
	UNION ALL SELECT * FROM "3月5日12-17" 
	UNION ALL SELECT * FROM "3月5日18-1930"
	UNION ALL SELECT * FROM "3月5日1930-21"
	UNION ALL SELECT * FROM "3月5日22-24") ojbk

)
,
test AS(
        SELECT thetime, SUM(jing) as jing
	FROM
	((
	SELECT thetime, 0 as jing
	FROM alltime  
	     CROSS JOIN 
	     (SELECT MIN("START_TIME_C") as mintime, MAX("END_TIME_C") as maxtime
	      FROM zaixian) t
	)UNION ALL
	(
	SELECT thetime, SUM(kai) - SUM(guan) AS jing
	FROM (
	(SELECT "START_TIME_C" AS thetime, COUNT(*) AS kai, 0 AS guan
	 FROM (SELECT newkeys, "START_TIME_C"
	       FROM ((SELECT newkey as newkeys, MIN(ranks) AS minranks
			FROM zaixian
			GROUP BY newkey) b
			INNER JOIN
			zaixian
			ON zaixian.newkey = b.newkeys) ojbk
			WHERE minranks = ranks) as oo
			GROUP BY "START_TIME_C"
			ORDER BY "START_TIME_C")
			UNION ALL
			(SELECT "END_TIME_C" AS thetime, 0 AS kai, COUNT(*) AS guan
			 FROM (SELECT newkeys, "END_TIME_C"
			       FROM ((SELECT newkey as newkeys, MAX(ranks) AS maxranks
				      FROM zaixian
				      GROUP BY newkey) b
				      INNER JOIN
				      zaixian
				      ON zaixian.newkey = b.newkeys) ojbk
				      WHERE maxranks = ranks) as oo
				      GROUP BY "END_TIME_C"
				      ORDER BY "END_TIME_C")
								) summary
					GROUP BY thetime
					)) abc
				GROUP BY thetime
				ORDER BY thetime
)
SELECT thetime, (SELECT SUM(jing) FROM test b WHERE b.thetime <= a.thetime) jing 
FROM test a 
GROUP BY thetime
ORDER BY thetime

用两个WITH，完成这个查询，并且在最后进行累加，就是时间花费的时间较长（20min）。

这个查询的特别之处在于如果那一秒既没有开机也没有关机的人，那么就不会有那一时间的记录，所以我通过在excel中用公式构建一个alltime表，再转为csv导入Postresql中。又运用UNION ALL和SUM（）的组合，将没有开关机的那一时刻的值赋为0.其中的CROSS JOIN 最大最小时间是为了以备固定时间段用。如果要限制时间段，只需要多加一个WHERE就可以限制输出时间。

这个思路是受下面的启发：

点击打开链接

Tips: 下回导入CSV的时候能不能直接规定下那几个字段的数据类型，或者新建一个表，建表的时候规定好，然后把数据导入进来。

参考链接：PostreSQL中日期时间

PostreSQL时间日期函数

PostreSQL日期加减

PostreSQL日期加减（2）

naiyoumianbaohaohaoc

关注

0
点赞
踩
1

收藏

觉得还不错? 一键收藏
0
评论
SQL 应用（ROW_NUMBER和辅助表）

之前我所做的是每一个电视台的人数统计，进而计算电视台的收视率和节目收视率。因为系统的工作原理是当你换台的时候才产生记录，否则不产生记录。这样我就可以根据用户的收视行为来统计出这个太每秒钟的收看人数。可是现在需要我统计一个系统中的记录，这样的问题就在于系统是一个整体，换台这个行为发生在系统中，用户离开一个节目，就会进入下一个节目。除非用户在这个节目关机。我目前需要统计每秒钟系统内开机的机顶盒数，我想...
复制链接

扫一扫