SQL (Redshift) 获取给定列中连续数据的开始值和结束值

Posted 2023-03-31

【中文标题】SQL (Redshift) 获取给定列中连续数据的开始值和结束值

【英文标题】：SQL (Redshift) get start and end values for consecutive data in a given column

【发布时间】：2020-05-29 21:50:34

【问题描述】：

我有一张表，其中包含用户在任何一天的订阅状态。数据是这样的

+------------+------------+--------------+
| account_id |    date    | current_plan |
+------------+------------+--------------+
| 1          | 2019-08-01 | free         |
| 1          | 2019-08-02 | free         |
| 1          | 2019-08-03 | yearly       |
| 1          | 2019-08-04 | yearly       |
| 1          | 2019-08-05 | yearly       |
| ...        |            |              |
| 1          | 2020-08-02 | yearly       |
| 1          | 2020-08-03 | free         |
| 2          | 2019-08-01 | monthly      |
| 2          | 2019-08-02 | monthly      |
| ...        |            |              |
| 2          | 2019-08-31 | monthly      |
| 2          | 2019-09-01 | free         |
| ...        |            |              |
| 2          | 2019-11-26 | free         |
| 2          | 2019-11-27 | monthly      |
| ...        |            |              |
| 2          | 2019-12-27 | monthly      |
| 2          | 2019-12-28 | free         |
+------------+------------+--------------+

我想要一个表格，提供订阅的开始和结束日期。它看起来像这样：

+------------+------------+------------+-------------------+
| account_id | start_date |  end_date  | subscription_type |
+------------+------------+------------+-------------------+
|          1 | 2019-08-03 | 2020-08-02 | yearly            |
|          2 | 2019-08-01 | 2019-08-31 | monthly           |
|          2 | 2019-11-27 | 2019-12-27 | monthly           |
+------------+------------+------------+-------------------+

我开始使用LAG windown 函数和一堆WHERE 语句来获取“状态更改”，但这使得很难看到客户何时进出订阅，我不确定这是最好的方法。

lag as (
    select *, LAG(tier) OVER (PARTITION BY account_id ORDER BY date ASC) AS previous_plan
            , LAG(date) OVER (PARTITION BY account_id ORDER BY date ASC) AS previous_plan_date
    from data
)
SELECT *
FROM lag
where (current_plan = 'free' and previous_plan in ('monthly', 'yearly'))

【参考方案1】：

这是一个孤岛问题。我认为行号的不同是有效的：

select account_id, current_plan, min(date), max(date)
from (select d.*,
             row_number() over (partition by account_id order by date) as seqnum,
             row_number() over (partition by account_id, current_plan order by date) as seqnum_2
      from data
     ) d
where current_plan <> free
group by account_id, current_plan, (seqnum - seqnum_2);

【讨论】：

所以这非常接近我正在寻找的内容，但它的订阅尚未结束（并且用户进入免费）截至今天。例如，一周前开始订阅的人有一​​行，他们的所有行都显示“每月”，但他们有一个结束日期，即使他们的订阅还没有结束。另外，感谢您为我提供此类问题的正确术语

我想改写一下，我只想看到订阅后进入“免费”的人的开始和结束行

@metersk 。 . .这回答了您在这里提出的问题。如果您有不同的问题，则应将其作为新问题提出。