Top-Elemente mit Window-Funktionen

Zeitreihenanalyse in PostgreSQL

Jasmin Ludolf

Content Developer, DataCamp

Tabellenbeschreibung

Tabelle temperatures_monthly
Felder:
- station_id – ID der Wetterstation
- year_month – Jahr und Monat
- t_monthly_min – monatliches Minimum in Celsius
- t_monthly_max – monatliches Maximum in Celsius
- t_monthly_avg – monatlicher Durchschnitt in Celsius

Klassische Aggregation

SELECT station_id, year_month, t_monthly_min
FROM temperatures_monthly AS tm
JOIN

(   
  SELECT
        station_id, min(t_monthly_min) AS t_monthly_min
    FROM temperatures_monthly
    WHERE year_month BETWEEN '2018-01-01' AND '2018-12-31'
    GROUP BY station_id
) as p
USING(station_id, t_monthly_min)
WHERE year_month BETWEEN '2018-01-01' AND '2018-12-31'
ORDER BY station_id, t_monthly_min;

Klassische Aggregation

|station_id|year_month|t_monthly_min|
|----------|----------|-------------|
|         1|2018-12-01|          5.4|
|         2|2018-12-01|          6.6|
|         3|2018-01-01|          1.6|
|         3|2018-02-01|          1.6|
|         4|2018-02-01|        -19.0|
|         6|2018-01-01|          2.6|
|         8|2018-02-01|        -16.3|

Probleme:

Station 5 fehlt, sie hatte 2018 keine Daten
Zwei Zeilen für Station 3, zwei Zeilen hatten dasselbe Minimum 3
Liefert nur den kältesten einzelnen Monat – was, wenn wir die zwei kältesten Monate wollen?

ROW_NUMBER verwenden

Wir müssen die Zeilen je Station nummerieren
ROW_NUMBER() : nummeriert die Zeilen pro Partition aufsteigend

SELECT station_id, year_month, t_monthly_min,
    ROW_NUMBER() OVER (PARTITION BY station_id ORDER BY t_monthly_min) AS rank
FROM temperatures_monthly AS tm
WHERE year_month BETWEEN '2018-01-01' AND '2018-12-31'
ORDER BY station_id, t_monthly_min;

Zeilen nummerieren

|station_id|year_month|t_monthly_min|rank|
|----------|----------|-------------|----|
|         1|2018-12-01|          5.4|   1|
|         1|2018-02-01|          6.2|   2|
|         1|2018-01-01|          7.4|   3|
|         1|2018-11-01|          9.0|   4|
|         1|2018-03-01|         10.6|   5| 
|         1|2018-04-01|         14.7|   6|
|         1|2018-10-01|         16.6|   7|
|         1|2018-05-01|         17.2|   8|
|         1|2018-06-01|         21.9|   9|
|         1|2018-09-01|         24.4|  10|
|         1|2018-07-01|         28.1|  11|
|         1|2018-08-01|         28.1|  12|
|         2|2018-12-01|          6.6|   1|
|         2|2018-01-01|          7.6|   2|
|         2|2018-02-01|          8.1|   3|

Die Nummerierung startet bei Station 2 neu
Weil wir nach station_id partitioniert haben

Niedrigste Temperaturen

SELECT * FROM
(
    SELECT station_id, year_month, t_monthly_min,
    ROW_NUMBER() OVER 
          (PARTITION BY station_id ORDER BY t_monthly_min) AS rank
    FROM temperatures_monthly
    WHERE year_month BETWEEN '2018-01-01' AND '2018-12-31'
) AS q
WHERE rank < 3
ORDER BY station_id, rank;

Niedrigste Temperaturen

|station_id|year_month|t_monthly_min|rank|
|----------|----------|-------------|----|
|         1|2018-12-01|          5.4|   1|
|         1|2018-02-01|          6.2|   2|
|         2|2018-12-01|          6.6|   1|
|         2|2018-01-01|          7.6|   2|
|         3|2018-01-01|          1.6|   1|
|         3|2018-02-01|          1.6|   2|

Höchste Werte

Um die Reihenfolge umzudrehen, füge DESC hinzu:

ROW_NUMBER() OVER (PARTITION BY station_id ORDER BY t_monthly_min DESC)

Lass uns üben!

Zeitreihenanalyse in PostgreSQL