PostgreSQL 中超过一年窗口的模式

Posted 2023-03-31

【中文标题】PostgreSQL 中超过一年窗口的模式

【英文标题】：Mode over a one year window in PostgreSQL

【发布时间】：2017-03-14 17:44:39

【问题描述】：

我有一个来自成员的事务的 Redshift 表，并且与每个事务相关联的是一个状态：

      date|member_id|transaction_amount|state
----------+---------+------------------+-----
01/05/2012|aaaaaaaaa|             35.50|   WA
02/05/2012|aaaaaaaaa|             35.50|   WA
03/05/2012|aaaaaaaaa|             35.50|   WA
                     ...
01/05/2013|aaaaaaaaa|             35.50|   WA
02/05/2013|aaaaaaaaa|             35.50|   CA
03/05/2013|aaaaaaaaa|             35.50|   CA
                     ...

我想做的是，对于每笔交易，选择过去 12 个月中发生最多的状态，并将其与给定交易相关联。

我的第一个想法是像这样进行连接：

select t0.*, t1.state from transactions t0
join transactions t1
on datediff('month', t1.date, t0.date) between 0 and 12

然后我将按date、member_id、其他未显示的列、transaction_amount 分组，并计算每个状态的出现次数，保留出现最多的状态（在该组中具有最大的 count） .

我在做最后一部分时遇到了麻烦。我的问题是，如何从该表中为每个组选择最频繁的状态？另一个问题是，有没有更有效的方法来做到这一点（避免这种加入）？

【参考方案1】：

运行模式真的很棘手。您可以通过以下方式修改您的查询：

select id, state
from (select t.id, t2.state, count(*) as cnt,
             row_number() over (partition by t.id order by count(*) desc) as seqnum
      from transactions t join
           transactions t2
           on datediff('month', t2.date, t.date) between 0 and 12
      group by t1.id, t2.state
     ) ts
where seqnum = 1;

这只是使用交易ID。您可能想要测试这个版本，您可以在其中重新加入以获取您想要的字段，以及您在此查询中包含字段的第二个版本。

（您可能还想包括member_id；在这一点上问题还不清楚。）

如果没有自联接（或等效项），我很难想出在 Redshift 中执行此操作的方法。