标签：02 10 ttt1 08 案例 2019 登陆 datestr 连续
连续登陆问题案例
在电商、物流和银行可能经常会遇到这样的需求：统计用户连续交易的总额、连续登陆天数、连续登陆开始和结束时间、间隔天数等
数据：
注意：每个用户每天可能会有多条记录
amount表示金额
id datestr amount
1,2019-02-08,6214.23
1,2019-02-08,6247.32
1,2019-02-09,85.63
1,2019-02-09,967.36
1,2019-02-10,85.69
1,2019-02-12,769.85
1,2019-02-13,943.86
1,2019-02-14,538.42
1,2019-02-15,369.76
1,2019-02-16,369.76
1,2019-02-18,795.15
1,2019-02-19,715.65
1,2019-02-21,537.71
2,2019-02-08,6214.23
2,2019-02-08,6247.32
2,2019-02-09,85.63
2,2019-02-09,967.36
2,2019-02-10,85.69
2,2019-02-12,769.85
2,2019-02-13,943.86
2,2019-02-14,943.18
2,2019-02-15,369.76
2,2019-02-18,795.15
2,2019-02-19,715.65
2,2019-02-21,537.71
3,2019-02-08,6214.23
3,2019-02-08,6247.32
3,2019-02-09,85.63
3,2019-02-09,967.36
3,2019-02-10,85.69
3,2019-02-12,769.85
3,2019-02-13,943.86
3,2019-02-14,276.81
3,2019-02-15,369.76
3,2019-02-16,369.76
3,2019-02-18,795.15
3,2019-02-19,715.65
3,2019-02-21,537.71
建表语句
create table deal_tb(
id string
,datestr string
,amount string
)row format delimited fields terminated by ',';
计算逻辑
-
统计连续交易，日期不能重复
先按用户和日期分组求和，使每个用户每天只有一条数据
select id
,datestr
,sum(amount) as sum_amount
from deal_tb
group by id,datestr;
//执行结果
1 2019-02-08 12461.55
1 2019-02-09 1052.99
1 2019-02-10 85.69
1 2019-02-12 769.85
1 2019-02-13 943.86
1 2019-02-14 538.42
1 2019-02-15 369.76
1 2019-02-16 369.76
1 2019-02-18 795.15
1 2019-02-19 715.65
1 2019-02-21 537.71
2 2019-02-08 12461.55
2 2019-02-09 1052.99
2 2019-02-10 85.69
2 2019-02-12 769.85
2 2019-02-13 943.86
2 2019-02-14 943.18
2 2019-02-15 369.76
2 2019-02-18 795.15
2 2019-02-19 715.65
2 2019-02-21 537.71
3 2019-02-08 12461.55
3 2019-02-09 1052.99
3 2019-02-10 85.69
3 2019-02-12 769.85
3 2019-02-13 943.86
3 2019-02-14 276.81
3 2019-02-15 369.76
3 2019-02-16 369.76
3 2019-02-18 795.15
3 2019-02-19 715.65
3 2019-02-21 537.71
-
想要求连续交易总额，日期要转换为一样的，才能进行分组求和
根据用户ID分组，使用row_number()给日期编号，从上到下1、2、3...，
select t1.id ,t1.datestr ,t1.sum_amount ,row_number() over(partition by id order by datestr) as rn from ( select id ,datestr ,sum(amount) as sum_amount from deal_tb group by id,datestr ) t1； //执行结果 1 2019-02-08 12461.55 1 1 2019-02-09 1052.99 2 1 2019-02-10 85.69 3 1 2019-02-12 769.85 4 1 2019-02-13 943.86 5 1 2019-02-14 538.42 6 1 2019-02-15 369.76 7 1 2019-02-16 369.76 8 1 2019-02-18 795.15 9 1 2019-02-19 715.65 10 1 2019-02-21 537.71 11 2 2019-02-08 12461.55 1 2 2019-02-09 1052.99 2 2 2019-02-10 85.69 3 2 2019-02-12 769.85 4 2 2019-02-13 943.86 5 2 2019-02-14 943.18 6 2 2019-02-15 369.76 7 2 2019-02-18 795.15 8 2 2019-02-19 715.65 9 2 2019-02-21 537.71 10 3 2019-02-08 12461.55 1 3 2019-02-09 1052.99 2 3 2019-02-10 85.69 3 3 2019-02-12 769.85 4 3 2019-02-13 943.86 5 3 2019-02-14 276.81 6 3 2019-02-15 369.76 7 3 2019-02-16 369.76 8 3 2019-02-18 795.15 9 3 2019-02-19 715.65 10 3 2019-02-21 537.71 11 -
如果是在同一个连续登录的区间，用日期减去编号，那么结果都一样
日期减少函数：data_sun(String_startdate,int_days) select tt1.id ,tt1.datestr ,tt1.sum_amount ,date_sub(tt1.datestr,rn) as grp from( select t1.id ,t1.datestr ,t1.sum_amount ,row_number() over(partition by id order by datestr) as rn from ( select id ,datestr ,sum(amount) as sum_amount from deal_tb group by id,datestr ) t1 ) tt1; //执行结果 1 2019-02-08 12461.55 2019-02-07 1 2019-02-09 1052.99 2019-02-07 1 2019-02-10 85.69 2019-02-07 1 2019-02-12 769.85 2019-02-08 1 2019-02-13 943.86 2019-02-08 1 2019-02-14 538.42 2019-02-08 1 2019-02-15 369.76 2019-02-08 1 2019-02-16 369.76 2019-02-08 1 2019-02-18 795.15 2019-02-09 1 2019-02-19 715.65 2019-02-09 1 2019-02-21 537.71 2019-02-10 2 2019-02-08 12461.55 2019-02-07 2 2019-02-09 1052.99 2019-02-07 2 2019-02-10 85.69 2019-02-07 2 2019-02-12 769.85 2019-02-08 2 2019-02-13 943.86 2019-02-08 2 2019-02-14 943.18 2019-02-08 2 2019-02-15 369.76 2019-02-08 2 2019-02-18 795.15 2019-02-10 2 2019-02-19 715.65 2019-02-10 2 2019-02-21 537.71 2019-02-11 3 2019-02-08 12461.55 2019-02-07 3 2019-02-09 1052.99 2019-02-07 3 2019-02-10 85.69 2019-02-07 3 2019-02-12 769.85 2019-02-08 3 2019-02-13 943.86 2019-02-08 3 2019-02-14 276.81 2019-02-08 3 2019-02-15 369.76 2019-02-08 3 2019-02-16 369.76 2019-02-08 3 2019-02-18 795.15 2019-02-09 3 2019-02-19 715.65 2019-02-09 3 2019-02-21 537.71 2019-02-10 //由结果可以看出来，在连续登录区间日期相等 -
根据上面已完成的数据，统计用户连续交易的总额、连续登陆天数、连续登陆开始和结束时间、间隔天数
连续交易总额
round(sum(ttt1.sum_amount),2) as sum_amount //round()取两位小数连续登录天数
count(ttt1.datestr) as days连续登录开始、结束时间
min(ttt1.datestr) as start_date max(ttt1.datestr) as end_date间隔天数=下一条的开始时间—上一条的结束时间
上一条的结束时间，需要用到窗口函数lag() lag(max(ttt1.datestr),1) over (partition by ttt1.id order by ttt1.grp) 间隔天数，需要使用到日期函数datediff() datediff(min(ttt1.datestr),lag(max(ttt1.datestr),1) over (partition by ttt1.id order by ttt1.grp)) as interval_days最终代码
select ttt1.id
,ttt1.grp
,round(sum(ttt1.sum_amount),2) as sum_amount
,count(ttt1.datestr) as days
,min(ttt1.datestr) as start_date
,max(ttt1.datestr) as end_date
,datediff(min(ttt1.datestr),lag(max(ttt1.datestr),1) over (partition by ttt1.id order by ttt1.grp))
from(
select tt1.id
,tt1.datestr
,tt1.sum_amount
,date_sub(tt1.datestr,rn) as grp
from(
select t1.id
,t1.datestr
,t1.sum_amount
,row_number() over(partition by id order by datestr) as rn
from (
select id
,datestr
,sum(amount) as sum_amount
from deal_tb
group by id,datestr
) t1
) tt1
) ttt1 group by ttt1.id,ttt1.grp
;
- 最终结果
# id 连续登录日期 连续交易总额 连续登录天数 开始时间 结束时间 间隔天数
1 2019-02-07 13600.23 3 2019-02-08 2019-02-10 NULL
1 2019-02-08 2991.65 5 2019-02-12 2019-02-16 2
1 2019-02-09 1510.8 2 2019-02-18 2019-02-19 2
1 2019-02-10 537.71 1 2019-02-21 2019-02-21 2
2 2019-02-07 13600.23 3 2019-02-08 2019-02-10 NULL
2 2019-02-08 3026.65 4 2019-02-12 2019-02-15 2
2 2019-02-10 1510.8 2 2019-02-18 2019-02-19 3
2 2019-02-11 537.71 1 2019-02-21 2019-02-21 2
3 2019-02-07 13600.23 3 2019-02-08 2019-02-10 NULL
3 2019-02-08 2730.04 5 2019-02-12 2019-02-16 2
3 2019-02-09 1510.8 2 2019-02-18 2019-02-19 2
3 2019-02-10 537.71 1 2019-02-21 2019-02-21 2
标签：02,10,ttt1,08,案例,2019,登陆,datestr,连续 来源： https://www.cnblogs.com/saowei/p/15937652.html
本站声明： 1. iCode9 技术分享网（下文简称本站）提供的所有内容，仅供技术学习、探讨和分享； 2. 关于本站的所有留言、评论、转载及引用，纯属内容发起人的个人观点，与本站观点和立场无关； 3. 关于本站的所有言论和文字，纯属内容发起人的个人观点，与本站观点和立场无关； 4. 本站文章均是网友提供，不完全保证技术分享内容的完整性、准确性、时效性、风险性和版权归属；如您发现该文章侵犯了您的权益，可联系我们第一时间进行删除； 5. 本站为非盈利性的个人网站，所有内容不会用来进行牟利，也不会利用任何形式的广告来间接获益，纯粹是为了广大技术爱好者提供技术内容和技术思想的分享性交流网站。