ORACLE中如果计算每日的平均值

Posted 2023-05-10

表结构如下：ID NUMBERMG_ID VARCHAR2TIME VARCHAR2FEED_IN_POWER NUMBER 时间格式为 2000-01-01 00:00:00大概每5分钟，每个MG（MG_ID）产生一条数据（FEED_IN_POWER） 如何得到每台MG（MG_ID）每日所有FEED_IN_POWER的平均值？

参考技术A select MG_ID,trunc(TIME,'dd') statDay,avg(FEED_IN_POWER) feedAvg from tableName group by MG_ID,trunc(TIME,'dd')

计算小标题中每个位置的平均每日步数[重复]

【中文标题】计算小标题中每个位置的平均每日步数[重复]

【英文标题】：Calculating average daily steps for every location in a tibble [duplicate]

【发布时间】：2021-07-16 04:11:09

【问题描述】：

有人可以帮我计算下方小标题中每个位置的平均每日步数吗？这是我到目前为止的代码。最后的小标题应该只包含位置和每日平均步数。

  group_by(location, date) %>% 
  summarise(daily_count = sum(count))
step_count_daily 

> step_count_daily
# A tibble: 364 x 3
# Groups:   location [4]
   location date       daily_count
   <chr>    <date>           <dbl>
 1 Austin   2019-01-15       5146 
 2 Austin   2019-01-16       9138 
 3 Austin   2019-01-17       4000 
 4 Austin   2019-01-18       2980.
 5 Austin   2019-01-19       7287 
 6 Austin   2019-01-20       6567 
 7 Austin   2019-01-21       7538.
 8 Austin   2019-01-22      15579 
 9 Austin   2019-01-23      15362 
10 Austin   2019-01-24       6923 
# … with 354 more rows


#This is the tibble

 date_time           date       count location 
   <dttm>              <date>     <dbl> <chr>    
 1 2019-01-01 09:00:00 2019-01-01   764 Melbourne
 2 2019-01-01 10:00:00 2019-01-01   913 Melbourne
 3 2019-01-02 00:00:00 2019-01-02     9 Melbourne
 4 2019-01-02 10:00:00 2019-01-02  2910 Melbourne
 5 2019-01-02 11:00:00 2019-01-02  1390 Melbourne
 6 2019-01-02 12:00:00 2019-01-02  1020 Melbourne
 7 2019-01-02 13:00:00 2019-01-02   472 Melbourne
 8 2019-01-02 15:00:00 2019-01-02  1220 Melbourne
 9 2019-01-02 16:00:00 2019-01-02  1670 Melbourne
10 2019-01-02 17:00:00 2019-01-02  1390 Melbourne

#The output should look like this

#> # A tibble: 4 x 2
#>   location      avg_count
#>   <chr>             <dbl>
#> 1 Austin            7738.
#> 2 Denver           12738.
#> 3 Melbourne         7912.
#> 4 San Francisco    13990.

【参考方案1】：

要获取包含位置和所有步骤的平均值的数据框：

step_count_daily %>%
group_by(location) %>%
summarise(mean_steps = mean(count))