Postgres 版本 9.4.18,PostGIS 版本 2.2。
这是我正在使用的表(不太可能对表结构进行重大更改):
表 ltg_data
(跨越 1988 年至 2018 年):
Column | Type | Modifiers
----------+--------------------------+-----------
intensity | integer | not null
time | timestamp with time zone | not null
lon | numeric(9,6) | not null
lat | numeric(8,6) | not null
ltg_geom | geometry(Point,4269) |
Indexes:
"ltg_data2_ltg_geom_idx" gist (ltg_geom)
"ltg_data2_time_idx" btree ("time")
ltg_data
的大小(约 8 亿行):
ltg=# select pg_relation_size('ltg_data');
pg_relation_size
------------------
149729288192
表 counties
:
Column | Type | Modifiers
-----------+-----------------------------+--------------------------------- -----------------------
gid | integer | not null default nextval('counties_gid_seq'::regclass)
objectid_1 | integer |
objectid | integer |
state | character varying(2) |
cwa | character varying(9) |
countyname | character varying(24) |
fips | character varying(5) |
time_zone | character varying(2) |
fe_area | character varying(2) |
lon | double precision |
lat | double precision |
the_geom | geometry(MultiPolygon,4269) |
Indexes:
"counties_pkey" PRIMARY KEY, btree (gid)
"counties_gix" gist (the_geom)
"county_cwa_idx" btree (cwa)
"countyname_cwa_idx" btree (countyname)
期望的结果:
我想要一个时间序列,一年中的每一天都以“MM-DD”格式忽略年份:01-01、01-02、01-03、...、12-31。表中的行数 ltg_data
一年中的每一天。我最终还希望在一年中的每一天的每个小时都执行相同的操作 ('MM-DD-HH')。
A group by
语句应该完成此操作,但我很难将“大”表与 generate_series()
生成的日期一起加入.
MM-DD | total_count
-------+------------
12-22 | 9
12-23 | 0
12-24 | 0
12-25 | 0
12-26 | 23
12-27 | 0
12-28 | 5
12-29 | 0
12-30 | 0
12-31 | 0
我尝试过的许多查询中的一些:
SELECT date_trunc('day', d),
count(a.lat) AS strikes
FROM generate_series('2017-01-01', '2018-12-31', interval '1 day') AS d
LEFT JOIN
(SELECT date_trunc('day', TIME) AS day_of_year,
ltg_data.lat
FROM ltg_data
JOIN counties ON ST_contains(counties.the_geom, ltg_data.ltg_geom)
WHERE cwa = 'MFR' ) AS a ON d = day_of_year
GROUP BY d
ORDER BY d ASC;
但这不会忽略年份。我不应该感到惊讶,因为 date_trunc 中的“天”仍在考虑我猜想的年份。
2017-12-27 00:00:00-08 | 0
2017-12-28 00:00:00-08 | 0
2017-12-29 00:00:00-08 | 0
2017-12-30 00:00:00-08 | 0
2017-12-31 00:00:00-08 | 0
2018-01-01 00:00:00-08 | 0
2018-01-02 00:00:00-08 | 12
2018-01-03 00:00:00-08 | 0
还有这个查询,我在其中尝试转换来自 generate_series()
的数据至 text
以“DD-MM”格式加入 ltg_data
text
中的表格式。说数据类型不匹配。我试过了 extract
同样,因为它可以提供“doy”和“hour”,它们可以工作,但我似乎也无法匹配该查询中的数据类型。很难使“generate_series”成为 double 。
SELECT to_char(d, 'MM-DD') AS DAY,
count(a.lat) AS strikes
FROM
(SELECT generate_series('2017-01-01', '2018-12-31', interval '1 day') AS d)
AS f
LEFT JOIN
(SELECT to_char(TIME, 'MM-DD') AS day_of_year,
ltg_data.lat
FROM ltg_data
JOIN counties ON ST_contains(counties.the_geom, ltg_data.ltg_geom)
WHERE cwa = 'MFR' ) AS a ON f = day_of_year
GROUP BY d
ORDER BY d ASC;
结果:
ERROR: operator does not exist: record = text
LINE 4: ON f = day_of_year group by d order by d asc;
^
HINT: No operator matches the given name and argument type(s). You might
need to add explicit type casts.
结论: 我的目标是获取跨越多年但按“MM-DD”和“MM-DD-HH”(忽略年份)分组的每日和每小时总计数,查询结果显示所有天/小时,即使它们为零。
稍后我还会尝试找出几天和几小时的平均值和百分位数,所以如果您对此有任何建议,我会洗耳恭听。但我目前的问题是如何获得完整的总计结果。
最佳答案
基本上,要截断年份,to_char(time, 'MMDD')
就像您已经尝试过的那样。您只是忘记还将它应用于generate_series()
在加入之前生成的时间戳。以及其他一些小细节。
为了简化并提高性能和方便性,我建议使用这个简单的函数来根据给定 timestamp
的模式“MMDD”计算一个integer
。
CREATE FUNCTION f_mmdd(date) RETURNS int LANGUAGE sql IMMUTABLE AS
'SELECT (EXTRACT(month FROM $1) * 100 + EXTRACT(day FROM $1))::int';
一开始我使用了to_char(time, 'MMDD')
,但后来改用上面的表达式,结果在各种测试中证明是最快的。
db<> fiddle here
它可以在表达式索引中使用,因为它被定义为 IMMUTABLE
。它仍然允许 function inlining因为它仅使用 EXTRACT (xyz FROM date)
- 这是在内部使用 IMMUTABLE
函数 date_part(text, date)
实现的。 (注意 datepart(text, timestamptz)
只是 STABLE
)。
然后这种查询就完成了工作:
SELECT d.mmdd, COALESCE(ct.ct, 0) AS total_count
FROM (
SELECT f_mmdd(d::date) AS mmdd -- ignoring the year
FROM generate_series(timestamp '2018-01-01' -- any dummy year
, timestamp '2018-12-31'
, interval '1 day') d
) d
LEFT JOIN (
SELECT f_mmdd(time::date) AS mmdd, count(*) AS ct
FROM counties c
JOIN ltg_data d ON ST_contains(c.the_geom, d.ltg_geom)
WHERE cwa = 'MFR'
GROUP BY 1
) ct USING (mmdd)
ORDER BY 1;
由于 time
(我会使用不同的列名)是数据类型 timestamptz
,因此 time::date
取决于时区当前 session 的设置。 (“天数”由您所在的时区定义。)要获得不可变(但速度较慢)的结果,请使用带有时区 name 的 AT TIME ZONE
构造,例如:
SELECT f_mmdd((time AT TIME ZONE 'Europe/Vienna')::date) ...
详细信息:
以您喜欢的任何方式格式化 mmdd
以进行显示。
转换为 integer
对于这个特定查询来说是可选的。但是由于您计划执行各种查询,因此您最终需要表达式的索引:
CREATE INDEX ltg_data_mmdd_idx ON event(f_mmdd(time));
(这个查询不需要。)
integer
就此而言要快一些。
并且您需要(否则可选)函数包装器,因为 更新后的表达式 to_char()
仅定义为 STABLE
,但我们需要 IMMUTABLE
索引。(EXTRACT(month FROM $1) * 100 + EXTRACT(day FROM $1))::int
是 IMMUTABLE
,但是函数包装器仍然很方便。
相关:
关于sql - 如何在 MM-DD 上汇总多年的数据,忽略年份,我们在Stack Overflow上找到一个类似的问题: https://stackoverflow.com/questions/50374136/