sql：按多个相关字段（日期，工作日，月份）分组

Question

我正在执行SQL任务。 目的是从航班表中获知在给定月份的给定日期内平均有多少个航班。

输入表：航班

id              BIGINT
dep_day_of_week varchar (255)
dep_month       varchar (255)
dep_date        text

航班表的示例。 同一日期可能有多个条目。

id  dep_day_of_week  dep_month   dep_date
1   Thursday         January     4/7/2005 15:24:00
2   Friday           February    5/6/2005 12:12:12
3   Friday           February    5/6/2005 15:12:12

我阅读了以下解决方案：

SELECT a.dep_month,
       a.dep_day_of_week,
       AVG(a.flight_count) AS average_flights
  FROM (
        SELECT dep_month, dep_day_of_week, dep_date, 
         COUNT(*) AS flight_count
        FROM flights
        GROUP BY 1,2,3
       ) a
 GROUP BY 1,2
 ORDER BY 1,2;

我的问题在子查询中，该子查询计算每天的航班数量：

SELECT dep_month, dep_day_of_week, dep_date, COUNT(*) AS flight_count
FROM flights
GROUP BY 1,2,3

由于dep_month ， dep_day_of_week和dep_date是三个相关属性，因此dep_date可能是这三个属性中最详细的解决方案。 所以我认为GROUP BY 1,2,3的功能与GROUP BY 3相同。

为了检查可能存在的差异，我使用count(*) from .. 。 选择以上子查询产生的所有术语，

Select count(*) from (
    SELECT dep_month, dep_day_of_week, dep_date, COUNT(*) AS flight_count
    FROM flights
    GROUP BY 1,2,3 or Group Group by 3)

在输出中， GROUP BY 1,2,3和GROUP BY 3的计数分别为447和441。 为什么这两种分组方法之间有区别？

更新：

感谢@trincot出色的回答。 我使用他的建议代码，并在输入数据库中发现不一致之处。

SELECT   dep_date, count(distinct dep_month), count(distinct dep_day_of_week)
FROM     flights
GROUP BY dep_date
HAVING   count(distinct dep_month) > 1
    OR   count(distinct dep_day_of_week) > 1

输出：

dep_date    count(distinct dep_month)   count(distinct dep_day_of_week)
1/16/2001   1   2
10/25/2003  1   2
2/23/2000   1   2
3/29/2001   1   2
4/3/2001    1   2
5/13/2000   1   2

具体而言，数据库分配周一1/16/2001 8:25:00和周二1/16/2001 7:56:00 。 这就是不一致的原因。

Answer 1

由于日期字段具有时间成分，因此子查询中的count(*)每次将为1，因为时间成分将有所不同并生成一个新组。 您的群组实际上是每秒。

您可以在没有子查询的情况下获得结果，如下所示：

select   dep_month,
         dep_day_of_week,
         count(*) /
             count(distinct substring_index(dep_date, ' ', 1)) avg_flights
from     flights
group by dep_month,
         dep_day_of_week

这将计算所有的排期记录，并将其除以这些排期的不同日期数。 仅通过在空格之前输入部分来提取日期。

请注意，这意味着当您完全没有某个日期的记录时，这一天将不会计入平均值，并可能给人留下错误的印象。 例如，如果在一月份只有一个星期五可供您乘搭航班（假设其中有十个航班），但是一月份有四个星期五，您仍然可以平均乘以10，即使2.5更为合理。

关于计数差

您声明此查询返回447条记录：

Select count(*) from (
    SELECT dep_month, dep_day_of_week, dep_date, COUNT(*) AS flight_count
    FROM flights
    GROUP BY 1,2,3)

而这只有441：

Select count(*) from (
    SELECT dep_month, dep_day_of_week, dep_date, COUNT(*) AS flight_count
    FROM flights
    GROUP BY 3)

这似乎表明您在多个记录中具有相同的日期，但是前两列之一却有所不同，这将是不一致的。 您可以通过以下查询找到答案：

SELECT   dep_date, count(distinct dep_month), count(distinct dep_day_of_week)
FROM     flights
GROUP BY dep_date
HAVING   count(distinct dep_month) > 1
    OR   count(distinct dep_day_of_week) > 1

在健康的数据集中，此查询应返回0条记录。 如果返回记录，则将获得至少一个记录中未正确设置月份的日期，或者至少一个记录中未正确设置星期几的日期。