Sammanfattning

Tidsserieanalys i SQL Server

Maham Faisal Khan

Senior Data Science Content Developer

Arbeta med datum

• Kombinera DATEADD() och DATEDIFF() för att avrunda datum och tider.
• Formatera med CAST() och CONVERT() när prestanda är viktigt. FORMAT() är praktisk men långsam.
• Kalendertabeller är en värdefull resurs.

Skapa datum

• CAST(), CONVERT() och PARSE() kan alla konvertera strängar till datum.
• Använd TRY_CAST(), TRY_CONVERT() och TRY_PARSE() för säker datumkonvertering.
• SWITCHOFFSET() och TODATETIMEOFFSET() är användbara funktioner för att arbeta med offset.

Tidsbaserade aggregeringar

• Aggregatfunktioner inkluderar COUNT(), MIN(), MAX() och SUM().
• Statistiska aggregatfunktioner inkluderar AVG(), STDEV(), VAR(), STDEVP() och VARP().
• ROLLUP, CUBE och GROUPING SETS låter dig förfina dina aggregeringar.

Vanliga (och ovanliga) tidsserisproblem

• Fönster används med rankningsfunktioner (ROW_NUMBER(), RANK(), DENSE_RANK() och NTILE()) samt aggregatfunktioner (inklusive statistiska funktioner).
• Löpande summor är ett användningsområde för SUM() över ett fönster.
• Glidande medelvärden är ett användningsområde för AVG() över ett fönster.
• LAG() och LEAD() låter oss titta bakåt och framåt i tid.
• Pivotera och omvandla datumdata för att beräkna samtidighet.

Grazie!

Tidsserieanalys i SQL Server