在保留表中的所有数据的同时基于不同的 ID 计算平均值？

Posted 2023-02-16

【中文标题】在保留表中的所有数据的同时基于不同的 ID 计算平均值？

【英文标题】：Calculating average based on distinct ID while preserving all the data in a table?

【发布时间】：2021-10-13 00:46:29

【问题描述】：

如果我有这样的数据：

+------+----+-------+-------+
| year | id | value | group |
+------+----+-------+-------+
| 2019 |  1 |    10 | A     |
| 2019 |  1 |    10 | B     |
| 2019 |  2 |    20 | A     |
| 2019 |  3 |    30 | A     |
| 2019 |  2 |    20 | B     |
| 2020 |  1 |     5 | A     |
| 2020 |  1 |     5 | B     |
| 2020 |  2 |    10 | A     |
| 2020 |  3 |    15 | A     |
| 2020 |  2 |    10 | B     |
+------+----+-------+-------+

有没有办法在保留所有数据的同时根据不同的id 计算平均value？

我需要这样做，因为我还将有WHERE 子句来过滤表中的其他列，但我还需要在WHERE 子句的情况下获得数据的整体视图) 未添加（这些 WHERE 过滤器将由我无法控制的 OUTERMOST 查询中的自动化软件添加）。

group 列就是一个例子。

对于上面的例子，结果应该是：

Overall --> 20 for 2019 and 10 for 2020

WHERE group = 'A' --> 2019 年为 20 个，2020 年为 10 个

WHERE group = 'B' --> 2019 年为 15，2020 年为 7.5

我尝试执行以下操作：

SELECT 
  year,
  AVG(IF(id = LAG(id) OVER (ORDER BY id), NULL, value)) AS avg
FROM table
WHERE group = 'A' -- this clause may or may not exist
GROUP BY year

基本上我在想，如果我按 id 排序并检查前一行以查看它是否具有相同的 id，则该值应为NULL，因此它不会计入计算中，但不幸的是我不能t 将分析函数放入 aggregate 函数中。

【问题讨论】：

窗口函数是在HAVING之后应用的，所以你的代码是不合法的。为显示的样本数据提供所需的输出。此外 - 您的数据包含每个（年份，id）对的相同值 - 它是绝对的吗？

同一个 id 在不同组别和年份的值是否总是相同的，比如 id =1 两个组别在两个年份的值都是 10？

你的 mysql 版本是多少？

对于相同的 id 和年份，值始终相同。唯一的区别是组。我有最新的 mysql 版本

使用GROUP BY year，您将获得两个结果行，一个用于 2019 年，一个用于 2020 年。根据添加或未添加的 WHERE 子句，您将显示更大或更小的平均值。在这种情况下，“同时保留所有数据”是什么意思？我不明白。应该保留什么。结果只有两列，年份和平均值，对吧？或者你想要不同的结果。那么请在您的请求中表明这一点。

【参考方案1】：

虽然数据模型不合适且未规范化（您正在冗余存储值），但真正的问题是后期自动化 SQL 注入（可选添加的 where 子句）。

当 where 子句添加到您的查询时，一切都很好，因为 where 子句正确地限制了要考虑的行（组 A 或 B）。但是，当没有添加 where 子句时，您将不得不处理聚合数据集（不同的年份/id 行）。后者意味着聚合上的聚合，可以使用子查询来完成，如 DineshDB 在较早的答案中所示。但是这里的问题是 where 子句必须对中间结果（子查询）起作用，并且您说您的软件将 where 子句添加到主查询中。

令人惊讶的解决方案是进行这三个聚合。在下面的查询中，我混合了MAX（第一个聚合）、AVG OVER（第二个聚合）和DISTINCT（第三个聚合），这三个可以愉快地共存于一个查询中。不需要子查询。

SELECT DISTINCT
  year,
  AVG(MAX(value)) OVER (PARTITION BY year)
FROM yourtable
WHERE `group` = ... -- optional where clause
GROUP BY year, id
ORDER BY year;

演示：https://dbfiddle.uk/?rdbms=mysql_8.0&fiddle=973ae4f260597392c55f260d3c260084

【讨论】：

这很好并回答了问题，但我想知道是否有办法通过仅按年份分组来做到这一点

您需要先按年份和 id 分组，因为存在冗余值。只有这样，您才能按年份汇总，我们使用 PARTITION BY year 和 DISTINCT 的组合进行汇总。 PARTITION BY year 是按年份分组，只是它没有减少行数，为此我们需要额外的DISTINCT。

【参考方案2】：

以下查询将为您提供预期的输出。

SELECT 
  `Year`,
  AVG(DISTINCT `value`*1.0) `value`
FROM table
WHERE `group` = 'B' -- this clause is optional
GROUP BY `Year`;

查询将返回以下结果。

Year | Value
2019 | 20
2020 | 10

SQLFiddle

【讨论】：

where 子句需要在外部查询中。自动化软件无法访问子查询。

如果不同的 ID 具有相同的值会怎样？我认为平均计算不正确。另外乘以1.0有什么意义？