在 SQL 中处理日期

我们将介绍在 SQL 中处理日期的三个常见场景。我们将使用 Metabase 中包含的示例数据库，以便您可以跟着操作，并坚持使用许多数据库通用的 SQL 函数和技术。我们假设这并非您的第一个 SQL 查询，并且您希望提升技能。但即使您刚刚入门，也应该能学到一些技巧。

本文依赖于预定义的示例数据集，但您也可以使用AI 数据集生成器生成自己的练习数据。

按时间段分组结果

我们经常想问这样的问题：每个月有多少客户注册？或者每周下了多少订单？在这里，我们将遍历结果表，计算行数，并按时间段对这些计数进行分组。

示例：每周有多少人创建账户？

在这里，我们希望返回两列

| WEEK | ACCOUNTS CREATED |
|------|------------------|
| ...  | ...              |

让我们看一下我们的People表。我们可以SELECT * FROM people LIMIT 1来查看字段列表，或者直接点击书本图标来查看我们正在处理的数据库中表的元数据。

由于我们对客户何时注册账户感兴趣，我们需要created_at字段，根据我们的数据参考，该字段是“用户记录创建的日期。也称为用户的‘加入日期’”。

我们需要对这些账户创建进行分组，但不是按日期分组，而是按周分组。为了查看每个created_at日期属于哪一周，我们将使用DATE_TRUNC函数。

DATE_TRUNC允许您将时间戳舍入（“截断”）到您关心的粒度：周、月等等。DATE_TRUNC接受两个参数：文本和时间戳，并返回一个时间戳。第一个文本参数是时间段，在本例中是“week”，但我们可以指定不同的粒度，如month、quarter或year（请查阅您的数据库关于DATE_TRUNC的文档以查看选项）。为了我们的目的，我们将写入DATE_TRUNC('week', created_at)，这将返回每周的星期一的日期。顺便说一句，SQL不区分大小写，所以您可以根据自己的喜好对代码进行大小写处理（date_trunc也可以，如果您是讽刺性地查询，DaTe_TrUnc也可以）。

我们还将对结果使用别名，为列提供更具体的名称。例如，使用AS关键字，我们将把Count(*)显示为accounts_created。

SELECT
  DATE_TRUNC('week', created_at) AS week,
  COUNT(*) AS accounts_created
FROM
  people
GROUP BY
  week
ORDER BY
  week

它返回

| WEEK    | ACCOUNTS_CREATED |
|---------|------------------|
| 4/18/16 | 13               |
| 4/25/16 | 17               |
| 5/2/16  | 17               |
| ...     | ...              |

我们可以将此结果可视化为折线图

这与我们对随机数据集的预期非常一致。

比较周环比总数

您通常希望查看计数从一周到下一周的变化，您可以通过将表与自身连接，并将每一周与其前一周进行比较来计算。

示例：订单与上周相比如何？

我们在这里寻找的是星期、该星期的订单数量以及周环比变化（订单是增加了、减少了还是保持不变？）

| WEEK    | COUNT_OF_ORDERS | WOW_CHANGE |
|---------|-----------------|------------|
| ...     | ...             | ...        |

为了获取这些数据，我们首先需要一个按周列出订单数量的表。我们将基本执行与People表相同的操作，但这次针对Orders表：我们将使用DATE_TRUNC按周对订单数量进行分组。

SELECT
  DATE_TRUNC('week', orders.created_at) AS week,
  COUNT(*) AS order_count
FROM
  orders
GROUP BY
  week

这给了我们

| WEEK     | ORDER_COUNT |
|----------|-------------|
| 7/1/2019 | 115         |
| 7/2/2018 | 119         |
| 7/3/2017 | 78          |
| ...      | ...         |

我们将使用这些结果来构建查询的其余部分。现在我们需要做的是获取每周的订单计数（我们称之为w1），并将其减去前一周的计数（我们称之为w2）。这里的挑战是，为了执行减法，我们需要以某种方式将每周的计数与前一周的计数放在同一行中。

我们会这样做

• 将我们的结果封装在公共表表达式（CTE）中。
• 通过将连接偏移 1 周来将该 CTE 与自身连接
• 从每周的总数中减去前一周的订单总数，以获取周环比变化

我们将使用WITH关键字将上述查询转换为一个公共表表达式 (CTE)。本质上，CTE 是一种将变量分配给中间结果的方法，然后我们可以将这些结果视为数据库中的实际表（如Orders或Table）。我们将结果表命名为order_count_by_week。然后，我们将使用此表并将其与自身连接，但带有偏移量：其行将偏移一周。

这是带偏移连接的查询

WITH order_count_by_week AS (
  SELECT
    DATE_TRUNC('week', orders.created_at) AS week,
    COUNT(*) AS order_count
  FROM
    orders
  GROUP BY
    week
)

SELECT
  *
FROM
  order_count_by_week w1
  LEFT JOIN order_count_by_week w2 ON w1.week = DATEADD(WEEK, 1, w2.week)
ORDER BY
  w1.week

此查询产生

| WEEK      | ORDER_COUNT | WEEK      | ORDER_COUNT |
|-----------|-------------|-----------|-------------|
| 4/25/2016 | 1           |           |             |
| 5/2/2016  | 3           | 4/25/2016 | 1           |
| 5/9/2016  | 3           | 5/2/2016  | 3           |
| ...       | ...         | ...       | ...         |

让我们来分析一下这里发生了什么。我们将order_count_by_week CTE 别名为w1，然后再次别名为w2。接下来，我们将这两个 CTE 左连接。这里的关键是DATEADD函数，我们用它给每个w2.week值添加一周，以偏移连接的列。

LEFT JOIN order_count_by_week w2 ON w1.week = DATEADD(WEEK, 1, w2.week)

DATEADD函数接受一个时间段（WEEK）、要应用的周数（在本例中为 1，因为我们想知道与一周前的差异）以及要应用加法的日期列（w2.week）。（请注意，有些数据库使用INTERVAL而不是DATEADD，例如w2.week + INTERVAL '1 week'）。这会“对齐”行，但会偏移一周（请注意上面第一行中第二组周/订单计数缺少值）。

我们现在有一个表格，其中包含了计算每行中周环比变化所需的一切。现在我们所要做的就是修改我们的 SELECT 语句，以返回我们正在寻找的列。

• 下订单的周
• 该周的订单数量
• 周环比变化（即本周计数与上周计数之间的差值）。

这是完整的查询

WITH order_count_by_week AS (
  SELECT
    DATE_TRUNC('week', orders.created_at) AS week,
    COUNT(*) AS order_count
  FROM
    orders
  GROUP BY
    week
)

SELECT
  w1.week,
  w1.order_count AS count_of_orders,
  w1.order_count - w2.order_count AS wow_change
FROM
  order_count_by_week w1
  LEFT JOIN order_count_by_week w2 ON w1.week = DATEADD(WEEK, 1, w2.week)
ORDER BY
  w1.week

它返回

| WEEK    | COUNT_OF_ORDERS | WOW_CHANGE |
|---------|-----------------|------------|
| 4/25/16 | 1               |            |
| 5/2/16  | 3               | 2          |
| 5/9/16  | 3               | 0          |
| ...     | ...             | ...        |

查找两个日期之间的持续时间

您通常会想知道两个事件之间的时间量：注册和结账之间的秒数，或者结账和送达之间的天数。

示例：客户创建账户和下第一笔订单之间有多少天？

为了回答这个问题，我们返回四列

• 客户ID
• 客户创建账户的日期
• 该客户下第一笔订单的日期
• 这两个日期之间的差异

现在，为了获取这些信息，我们需要从People和Orders表中获取数据。但是我们不想连接这两个表，因为我们只需要每个客户下的第一笔订单。

我们首先找出每个客户何时下了他们的第一笔订单。

SELECT
  user_id,
  MIN(created_at) as first_order_date
FROM
  orders
GROUP BY
  user_id

在这里，我们按客户分组订单（GROUP BY user_id），并使用MIN函数查找最早的订单日期。我们将这些结果存储为first_orders，然后继续我们的查询。

WITH first_orders AS (
  SELECT
    user_id,
    MIN(created_at) as first_order_date
  FROM
    orders
  GROUP BY
    user_id
)

SELECT
  people.id,
  people.created_at AS account_creation,
  first_orders.first_order_date,
  DATEDIFF(
    'day', people.created_at, first_orders.first_order_date
  ) AS days_before_first_order
FROM
  PEOPLE
  JOIN first_orders ON first_orders.user_id = people.id
ORDER BY
  account_creation

这给了我们

| ID   | ACCOUNT_CREATION | FIRST_ORDER_DATE | DAYS_BEFORE_FIRST_ORDER |
|------|------------------|------------------|-------------------------|
| 915  | 4/19/16 21:35    | 10/9/16 8:42     | 173                     |
| 1712 | 4/21/16 23:46    | 8/15/16 4:01     | 116                     |
| 2379 | 4/22/16 4:07     | 5/22/16 3:56     | 30                      |
| ...  | ...              | ...              | ...                     |

总结一下：我们获取了客户的created_at日期，并将其连接到我们的 CTE。我们使用DATEDIFF函数来查找账户创建与其第一笔订单之间的天数，然后将结果存储为days_before_first_order。DATEDIFF接受一个时间段（如“day”、“week”、“month”），并返回两个时间戳之间的周期数。

（鉴于示例数据库是随机的，我们的响应与现实不符——人们多久会等待 173 天才在账户设置和购买之间进行操作？）

延伸阅读

我们希望这些查询演练能为您的提问提供一些思路，但请记住，不同的数据库支持不同的 SQL 函数，因此在处理查询时，请养成查阅数据库文档的习惯。您还可以查看编写 SQL 查询的最佳实践。如果您对连接的工作原理有些模糊，请查看Metabase 中的连接。