Manipularea granularității datelor de tip serie temporală

Analiza seriilor de timp în PostgreSQL

Jasmin Ludolf

Content Developer, DataCamp

Date de tip serie temporală

Date de tip temporal
Ordonate
Colectate pe o perioadă de timp
Exemple frecvente: prețuri acțiuni, temperatură

Exemplu de grafic liniar cu timpul pe axa x.

Serii temporale: ore de tren

SELECT station, arrival_time
FROM train_schedule
WHERE train_id = 324

|station      |arrival_time|
|-------------|------------|
|San Francisco|    07:59:00|
|22nd Street  |    08:03:00|
|Millbrae     |    08:16:00|
|Hillsdale    |    08:24:00|
|Redwood City |    08:31:00|
|Palo Alto    |    08:37:00|
...

Serii temporale multivariate

SELECT year_month, t_monthly_min, t_monthly_max, t_monthly_avg
FROM temperature_stations AS ts
JOIN temperatures_monthly AS tm USING(station_id)
WHERE station_id = 1

|year_month|t_monthly_min|t_monthly_max|t_monthly_avg|
|----------|-------------|-------------|-------------|
|2010-01-01|          6.7|         20.3|         13.6|
|2010-02-01|          8.3|         20.8|         14.8|
|2010-03-01|          9.1|         23.9|         17.0|
|2010-04-01|         11.3|         27.1|         20.0|
|2010-05-01|         15.0|         32.1|         24.8|
...

Granularitate temporală

Granularitate mai mare = măsurători mai precise
Granularități frecvente: secunde, minute, ore, zile, săptămâni, luni, trimestre și ani

SELECT ts, views
FROM dc_news_fact
WHERE id = '12561'
ORDER BY ts;

|ts                 |views|
|-------------------|-----|
|2015-12-29 11:40:23| 4161|
|2015-12-29 12:00:23|  407|
|2015-12-29 12:20:23|    0|
|2015-12-29 12:40:23|  778|
|2015-12-29 13:00:23|  396|
...

Modificarea granularității temporale

DATE_TRUNC(): modifică granularitatea seriilor temporale
- De exemplu: secol, deceniu, trimestru, microsecunde și altele

DATE_TRUNC(field, source, time zone)
- field = valoarea granulară (ex. "hour")
- source = datele
- time zone = implicit, setarea curentă

Modificarea granularității temporale

SELECT
    DATE_TRUNC('hour', ts) AS hour,

    SUM(VIEWS) AS views

FROM dc_news_fact
WHERE id = '12561'
GROUP BY hour
ORDER BY hour;

|hour               |views|
|-------------------|-----|
|2015-12-29 09:00:00|    0|
|2015-12-29 10:00:00|    0|
|2015-12-29 11:00:00| 4161|
|2015-12-29 12:00:00| 1185|
|2015-12-29 13:00:00| 1146|
|2015-12-29 14:00:00|  697|
|2015-12-29 15:00:00| 1013|
|2015-12-29 16:00:00|  956|
|2015-12-29 17:00:00| 1307|
|2015-12-29 18:00:00|  700|
...

Extragerea granularității temporale

DATE_PART(): extrage date specifice

DATE_PART(field, source)
- field = valoarea granulară (ex. "hour")
- source = datele: un timestamp sau interval

EXTRACT() extrage de asemenea date specifice
- Recomandat în locul DATE_PART()
- DATE_PART() returnează un rezultat de tip double precision, care este imprecis

Granularitate pe ore

SELECT
    DATE_PART('hour', ts)
    AS hour_of_day,
    SUM(VIEWS) AS views

FROM dc_news_fact
WHERE id = '12561'
GROUP BY hour_of_day
ORDER BY hour_of_day;

|hour_of_day|views|
|-----------|-----|
|          0|  500|
|          1|  500|
|          2|  400|
|          3|  400|
|          4| 1200|
|          5|  100|
|          6|  100|
|          7| 2000|
|          8|  200|
|          9| 2500|
...

Granularitate pe ziua săptămânii

SELECT
    EXTRACT(dow FROM ts)
    AS day_of_week,
    SUM(VIEWS) AS views
FROM dc_news_fact
WHERE id = '12561'
GROUP BY day_of_week
ORDER BY day_of_week;

Ziua săptămânii: duminică (0) până sâmbătă (6)

|day_of_week|views|
|-----------|-----|
|          2|15265|
|          3|13100|
|          4| 1200|

Să exersăm!

Analiza seriilor de timp în PostgreSQL