Najlepsze wyniki z funkcjami okna

Analiza szeregów czasowych w PostgreSQL

Jasmin Ludolf

Content Developer, DataCamp

Opis tabeli

Tabela temperatures_monthly
Pola:
- station_id - identyfikator stacji pogodowej
- year_month - rok i miesiąc
- t_monthly_min - minimalna temperatura miesięczna w stopniach Celsjusza
- t_monthly_max - maksymalna temperatura miesięczna w stopniach Celsjusza
- t_monthly_avg - średnia temperatura miesięczna w stopniach Celsjusza

Tradycyjna agregacja

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;

Tradycyjna agregacja

|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|

Problemy:

Brak stacji 5 – brak danych za 2018 rok
Dwa wiersze dla stacji 3 – ta sama minimalna temperatura 3
Zwraca tylko najzimniejszy miesiąc – co jeśli potrzebujemy dwóch?

Użycie row_number

Należy ponumerować każdy wiersz dla każdej stacji
ROW_NUMBER(): numeruje wiersze w ramach partycji rosnąco

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;

Numerowanie wierszy

|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|

Numerowanie zaczyna się od nowa dla stacji 2
Ponieważ partycjonujemy według station_id

Najniższe temperatury

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;

Najniższe temperatury

|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|

Najwyższe wartości

Aby odwrócić kolejność, należy dodać DESC:

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

Czas na ćwiczenia!

Analiza szeregów czasowych w PostgreSQL