SQL 按天分组,带计数

标签 sql sql-server group-by aggregate

我在 SQL Server 中有一个日志表,如下所示:

CREATE TABLE [dbo].[RefundProcessLog](
 [LogId] [bigint] IDENTITY(1,1) NOT NULL,
 [LogDate] [datetime] NOT NULL,
 [LogType] [varchar](10) COLLATE SQL_Latin1_General_CP1_CI_AS NOT NULL,
 [RefundId] [int] NULL,
 [RefundTypeId] [smallint] NULL,
 [LogMessage] [varchar](1000) COLLATE SQL_Latin1_General_CP1_CI_AS NOT NULL,
 [LoggedBy] [varchar](50) COLLATE SQL_Latin1_General_CP1_CI_AS NOT NULL,
 CONSTRAINT [PK_RefundProcessLog] PRIMARY KEY CLUSTERED 
(
 [LogId] ASC
) ON [PRIMARY]
) ON [PRIMARY]

GO

我想要的是一个结果列表,表示每天处理了多少个不同的退款 ID,并丢弃任何 NULL。

我需要编写什么 SQL 才能产生这些结果?

最佳答案

我喜欢(MS SQL)中的这种方法:

SELECT 
  Convert(char(8), LogDate, 112),
  count(distinct RefundId)
FROM RefundProcessing
GROUP BY Convert(char(8), LogDate, 112)

关于SQL 按天分组,带计数,我们在Stack Overflow上找到一个类似的问题: https://stackoverflow.com/questions/1455054/

相关文章:

MYSQL - 展平表查询

SQL Server组合键问题

sql - Microsoft SQL 查询时间戳中的小时数

sql-server - 如何从选择查询中更新每隔一行?

php - 将具有多个日期的字符串转换为 dd-mm-YYYY 格式

sql-server - 在 SSIS 2012 中的集成服务目录中设置 "Execute Package Task"中的包路径

sql - 无法获得正确的列数 SQL Server

python - 按 Pandas 数据框分组并在每组中选择最新的

python - 使用 Pandas 将 groupby 聚合应用于原始数据框

python - Pandas - 多指数均值