玩家平均连胜时长的 SQL 查询

Posted 2023-03-31

【中文标题】玩家平均连胜时长的 SQL 查询

【英文标题】：SQL Query for players average hot streak duration

【发布时间】：2018-09-20 02:16:48

【问题描述】：

假设我有一个包含三列和以下数据的表：

* gamedate,playername,pointsScored
* 20180101,George,34
* 20180102,George,37
* 20180103,George,38
* 20180104,George,3
* 20180105,George,35
* 20180106,George,37
* 20180107,George,31
* 20180108,George,31
* 20180109,George,32
* 20180110,George,7

我正在寻找一个sql query，它可以告诉我该玩家平均连续多少场比赛可以保持 30+ 的分数。我知道它必须是某种group by 函数，但我有点坚持如何制定这个查询。这是Oracle table，如果这有什么不同的话。

一些额外的测试日期：

with
inputs(gamedate,playername,pointsscored) as (
select to_date('20180912','yyyymmdd'), 'George',52 from dual union all
select to_date('20180907','yyyymmdd'), 'George',47 from dual union all
select to_date('20180829','yyyymmdd'), 'George',9 from dual union all
select to_date('20180823','yyyymmdd'), 'George',55 from dual union all
select to_date('20180818','yyyymmdd'), 'George',49 from dual union all
select to_date('20180811','yyyymmdd'), 'George',58 from dual union all
select to_date('20180805','yyyymmdd'), 'George',31 from dual union all
select to_date('20180730','yyyymmdd'), 'George',40 from dual union all
select to_date('20180720','yyyymmdd'), 'George',44 from dual union all
select to_date('20180712','yyyymmdd'), 'George',45 from dual union all
select to_date('20180707','yyyymmdd'), 'George',29 from dual union all
select to_date('20180701','yyyymmdd'), 'George',-5 from dual union all
select to_date('20180626','yyyymmdd'), 'George',46 from dual union all
select to_date('20180620','yyyymmdd'), 'George',22 from dual union all
select to_date('20180614','yyyymmdd'), 'George',49 from dual union all
select to_date('20180609','yyyymmdd'), 'George',40 from dual union all
select to_date('20180602','yyyymmdd'), 'George',40 from dual
)

【问题讨论】：

试图了解问题...在您的示例中，我们是否正在查看两连胜，三场比赛中的一场和五场比赛中的另一场，并且您要寻找的平均数是 4？不管有多少场得分低于30分的比赛是在牛排之间，还是在第一场之前或最后一场之后？

是的，mathguy 是正确的

【参考方案1】：

在 Oracle 12.1 或更高版本中，MATCH_RECOGNIZE 子句可以快速完成此类分配：

with
  inputs(gamedate,playername,pointsscored) as (
    select to_date('20180101','yyyymmdd'), 'George', 34 from dual union all
    select to_date('20180102','yyyymmdd'), 'George', 37 from dual union all
    select to_date('20180103','yyyymmdd'), 'George', 38 from dual union all
    select to_date('20180104','yyyymmdd'), 'George',  3 from dual union all
    select to_date('20180105','yyyymmdd'), 'George', 35 from dual union all
    select to_date('20180106','yyyymmdd'), 'George', 37 from dual union all
    select to_date('20180107','yyyymmdd'), 'George', 31 from dual union all
    select to_date('20180108','yyyymmdd'), 'George', 31 from dual union all
    select to_date('20180109','yyyymmdd'), 'George', 32 from dual union all
    select to_date('20180109','yyyymmdd'), 'George',  7 from dual
  )
select playername, avg(cnt) as average_streak
from   inputs
match_recognize(
  partition by playername
  order by     gamedate
  measures     count(*) as cnt
  one row per match
  pattern ( a+ )
  define a as pointsscored >= 30
)
group by playername
;

PLAYER AVERAGE_STREAK
------ --------------
George              4

解释：

MATCH_RECOGNIZE 按玩家对输入行进行分区，并按游戏日期在每个分区内对它们进行排序。 “匹配”是出现一个或多个连续行（PATTERN 子条款中的a+），得分为 30 或更多（参见DEFINE 子条款）。 MATCH_RECOGNIZE 为它找到的每场比赛返回一行，特别是它返回球员姓名和比赛中的行数（这是连胜的长度，连续行数或游戏数）。外部查询按玩家分组并采用平均连胜长度。

【讨论】：

你知道你把答案翻了一倍吗朋友:)

mathguy 非常感谢！这正是我所需要的。而且查询就是这么简单！

@BarbarosÖzhan - 我假设你并不是真的意味着我“加倍”了答案（意思是，两次发布相同的答案）。相反，我发布了同一个问题的两个答案。是的，我知道 - 我有时会这样做，当我为同一个问题提供两个完全不同且不相关的答案时（通常，一个答案可能更好，但仅适用于最新版本的 Oracle）。据我所知，这没关系，应该如此。

是的，我的意思是第二种情况“同一个问题的两个答案”。

【参考方案2】：

这是一种方法。它使用 Tabibitosan（或“固定差异”）方法来识别条纹 - 这是内部查询中两个 ROW_NUMBER 调用的差异。剩下的就是对聚合函数进行分组和获取。

WITH子句是模拟数据；它不是解决方案的一部分，应在根据实际数据测试解决方案之前将其删除。 （在内部查询中使用您的实际表名而不是 INPUTS。）

with
  inputs(gamedate,playername,pointsscored) as (
    select to_date('20180101','yyyymmdd'), 'George', 34 from dual union all
    select to_date('20180102','yyyymmdd'), 'George', 37 from dual union all
    select to_date('20180103','yyyymmdd'), 'George', 38 from dual union all
    select to_date('20180104','yyyymmdd'), 'George',  3 from dual union all
    select to_date('20180105','yyyymmdd'), 'George', 35 from dual union all
    select to_date('20180106','yyyymmdd'), 'George', 37 from dual union all
    select to_date('20180107','yyyymmdd'), 'George', 31 from dual union all
    select to_date('20180108','yyyymmdd'), 'George', 31 from dual union all
    select to_date('20180109','yyyymmdd'), 'George', 32 from dual union all
    select to_date('20180109','yyyymmdd'), 'George',  7 from dual
  )
select   playername, avg(ct) as average_streak
from     (
           select playername, count(*) as ct
           from   (
                    select playername, pointsscored,
                           row_number() over (partition by playername 
                                                order by gamedate)
                           - row_number() over (partition by playername,
                                                 case when pointsscored >= 30 
                                                      then 0 end
                                                 order by gamedate) as grp
                    from   inputs
                  )
           group by playername, grp
           having   min(pointsscored) >= 30
         )
group by playername
order by playername
;

输出：

PLAYER AVERAGE_STREAK
------ --------------
George              4

【讨论】：

mathguy 我能够运行此查询，但它没有给出我对某些数据集的预期答案。我用我用来测试的数据更新了我的问题。

@themosquito - 我刚刚用新数据运行了这个查询。我得到的结果是 3.25，这是正确的：有四个连胜，长度分别为 2、7、1 和 3。13/4 = 3.25，或者您是否考虑长度为 1 的“连胜”（单场比赛超过 30点，在两场比赛中得分低于 30 分）为“不是连续”？在这两种解决方案中，我认为这是长度为 1 的连胜。如果单场 30 分以上的比赛不是连胜，那么必须修改两个查询，并且对于这个不同的定义，两者都可以很容易地修改。 （另外，乔治真的在一场比赛中得了负五分吗？）

这太奇怪了，它得到的结果是 2 使用我在问题末尾粘贴的完全相同的数据运行查询。但是是的，你是对的，答案应该是 3.25。是的，乔治在一场比赛中确实得分-5。因此，我很想知道，一个大部分得分超过 40 分的真正优秀球员如何在每 3 场或第 4 场比赛中表现不佳。糟糕的比赛不会与更难对付的对手相提并论。所以我想对数据进行一些分析，看看他和其他在他位置上的球员平均能打多少场比赛才能保持连胜，然后才打出一场糟糕的比赛。 :)

@themosquito - 一个球员，任何球员，怎么可能得分负数？你的意思是他得了5分？得分-5分意味着什么？在足球比赛中，您可能会将自己的进球视为负进球；这对篮球意味着什么？