如何獲得基於過去 12 個月的 7 天滾動平均值？

Question

我有以下數據示例：

日期	數量
2020-01-01	3500.03
2020-01-01	3000.03
2020-01-01	3200.86
2020-01-01	4500.00
2020-02-01	2100.23
2020-02-01	1000.00
2020-03-01	2800.93
ETC	ETC

數據是這樣持續的，涵蓋了幾年的時間。 我的目標是根據前 12 個月找到 7 天的滾動平均值。 我一直在嘗試使用 window function 但是我得到了非常錯誤的結果，盡管進行了研究，我還是沒有想法。 如果有人可以幫助我，我將不勝感激。

編輯，我嘗試的確切代碼在我目前無法訪問的另一台機器上，但我嘗試如下：

SELECT 
DATE
,AMOUNT
,SUM(AMOUNT) OVER(PARTITION BY DATE ORDER BY DATE ROWS BETWEEN 6 PRECEDING AND CURRENT ROW) AS WEEKAVG
FROM TABLE

Answer 1

有很多方法可以給這只貓剝皮——特別是如果你關心最大性能——但一種方法是這樣的：

WITH 
    DailyAmounts AS 
        (
        SELECT
            Date,
            SUM(Amount) AS DailyAmount
        FROM
            Table
        GROUP BY
            Date
        ) DailyAmounts

SELECT
    *,
    (
    SELECT 
        SUM(DailyAmount)
    FROM
        DailyAmounts DailyAmounts2
    WHERE
        Date BETWEEN 
            DATEADD(DAY, -6, DailyAmounts.Date)
            AND DailyAmounts.Date
    ) AS WeeklyAverageAmount
FROM
    DailyAmounts
;

本質上，通過 CTE 創建每日金額表； 然后，添加每周平均列並通過同一 CTE 上的子查詢進行填充。

Answer 2

如果我理解正確。 你需要每周平均。 你可以這樣使用：

set datefirst 1;
WITH tempTable AS (SELECT datepart(week, yourDateColumn) as weekNr, amount from testTable)

Select weekNr, SUM(amount) from tempTable
group by weekNr

如果您需要每日平均數據查詢可以是這樣的：

WITH tempTable AS (SELECT DATENAME(WEEKDAY, yourDateColumn) AS weekDay, amount from testTable)
Select weekDay, SUM(amount) from tempTable
group by weekDay

Answer 3

似乎您可以在這里使用 window function 。

您只需要確保您的數據每天只有一行。 您可以通過先分組來做到這一點。

SELECT
  *,
  SUM(DailyAmount) OVER (ORDER BY Date ROWS BETWEEN 6 PRECEDING AND CURRENT ROW) AS WeeklyAverageAmount
FROM (
    SELECT
      t.Date,
      SUM(t.Amount) AS DailyAmount
    FROM YourTable t
    GROUP BY
      t.Date
) ByDay;

Answer 4

請注意，求和或相加會產生總計而不是平均值。

您的示例數據僅在一個月的第一天有多行，因此我看不出您如何從中獲得 7 天的平均值。 （除非您使用 yyyy-dd-MM 格式，但我從未見過有人這樣做。）

如果您正在尋找特定的日期范圍，通常不應依賴行數 - 而應查看日期本身。

所以，我不太確定你在尋找什么，但也許這可以幫助你走上正軌：

-- prep data
select * 
into #tmp
from ( values 
    ('2020-01-01',  3500.03),
    ('2020-01-01',  3000.03),
    ('2020-01-01',  3200.86),
    ('2020-01-01',  4500.00),
    ('2020-02-01',  2100.23),
    ('2020-02-01',  1000.00),
    ('2020-03-01',  2800.93)
)t(date, amount)



-- output 
select 
    t.Date
    ,t.amount
    ,sum(amount) over (order by date) as running_total
    ,avg(amount) over (order by date) as running_avg
    ,tca.rolling_sevenday_total
    ,tca.rolling_sevenday_avg
from #tmp t
cross apply (
    select 
        sum(amount) as rolling_sevenday_total,
        avg(amount) as rolling_sevenday_avg
    from #tmp t7
    where 
        t7.date between dateadd(dd, -7, t.date) and t.date

) tca

日期	數量	running_total	running_avg	rolling_sevenday_total	rolling_sevenday_avg
2020-01-01	3500.03	14200.92	3550.230000	14200.92	3550.230000
2020-01-01	3000.03	14200.92	3550.230000	14200.92	3550.230000
2020-01-01	3200.86	14200.92	3550.230000	14200.92	3550.230000
2020-01-01	4500.00	14200.92	3550.230000	14200.92	3550.230000
2020-02-01	2100.23	17301.15	2883.525000	3100.23	1550.115000
2020-02-01	1000.00	17301.15	2883.525000	3100.23	1550.115000
2020-03-01	2800.93	20102.08	2871.725714	2800.93	2800.930000

如果您的數據實際上是每天的數據，這就是您的數據的樣子

-- prep data
select * 
into #tmp2
from ( values 
    ('2020-01-01',  3500.03),
    ('2020-01-02',  3000.03),
    ('2020-01-03',  3200.86),
    ('2020-01-04',  4500.00),
    ('2020-01-05',  4500.00),
    ('2020-01-06',  4500.00),
    ('2020-01-07',  4500.00),
    ('2020-02-01',  2100.23),
    ('2020-02-02',  1000.00),
    ('2020-02-03',  2800.93)
)t(date, amount)



-- output 
select 
    t.Date
    ,t.amount
    ,sum(amount) over (order by date) as running_total
    ,avg(amount) over (order by date) as running_avg
    ,tca.rolling_sevenday_total
    ,tca.rolling_sevenday_avg
from #tmp2 t
cross apply (
    select 
        sum(amount) as rolling_sevenday_total,
        avg(amount) as rolling_sevenday_avg
    from #tmp2 t7
    where 
        t7.date between dateadd(dd, -7, t.date) and t.date

) tca

日期	數量	running_total	running_avg	rolling_sevenday_total	rolling_sevenday_avg
2020-01-01	3500.03	3500.03	3500.030000	3500.03	3500.030000
2020-01-02	3000.03	6500.06	3250.030000	6500.06	3250.030000
2020-01-03	3200.86	9700.92	3233.640000	9700.92	3233.640000
2020-01-04	4500.00	14200.92	3550.230000	14200.92	3550.230000
2020-01-05	4500.00	18700.92	3740.184000	18700.92	3740.184000
2020-01-06	4500.00	23200.92	3866.820000	23200.92	3866.820000
2020-01-07	4500.00	27700.92	3957.274285	27700.92	3957.274285
2020-02-01	2100.23	29801.15	3725.143750	2100.23	2100.230000
2020-02-02	1000.00	30801.15	3422.350000	3100.23	1550.115000
2020-02-03	2800.93	33602.08	3360.208000	5901.16	1967.053333