Sql Postgres：与机器人交互的平均用户响应时间

我有一个存储用户和机器人（基本上是一个状态机）之间所有消息的表，我试图从这个表中找到所有消息/响应对，以便计算每个用户的平均响应时间。需要注意的是，并非所有传出的消息都会得到响应

每行存储消息标识、用户标识、创建时间（时间戳）、状态代码和传出（布尔值）

我一直在研究窗口函数，目的是使用lag和lead找到相关的消息对，然后计算它们创建的_at值之间的差异，每个用户的平均值将给出每个用户的平均响应时间。问题是，我无法保证这两条消息都是使用相同的状态代码发出的。想法

更新：如果用户的消息具有相同的状态代码，则可以确保用户的消息是对给定传出消息的响应。比如说

╔════════════╦═════════╦════════════╦════════════╦══════════╗
║ message_id ║ user_id ║ created_at ║ state_code ║ outgoing ║
╠════════════╬═════════╬════════════╬════════════╬══════════╣
║          1 ║      11 ║ mm/dd/yy   ║         20 ║ t        ║
║          2 ║      11 ║ mm/dd/yy   ║         20 ║ f        ║
║          3 ║      11 ║ mm/dd/yy   ║         22 ║ t        ║
║          4 ║      11 ║ mm/dd/yy   ║         21 ║ t        ║
║          5 ║      12 ║ mm/dd/yy   ║         45 ║ t        ║
║          6 ║      12 ║ mm/dd/yy   ║         46 ║ f        ║
║          7 ║      12 ║ mm/dd/yy   ║         46 ║ t        ║
║          8 ║      12 ║ mm/dd/yy   ║         20 ║ f        ║
║          9 ║      12 ║ mm/dd/yy   ║         43 ║ t        ║
║         10 ║      13 ║ mm/dd/yy   ║         20 ║ t        ║
╚════════════╩═════════╩════════════╩════════════╩══════════╝

在这种情况下，对为消息1和2以及消息6和7。

---

然而，只有消息1和2起作用，因为用户1从状态20响应我们在状态20时收到的一条传出消息。

如果我理解正确，那么每次传出的

都是假的，您希望在上一行中使用相同的
用户id
和
状态代码创建

我不知道你会如何使用windows的功能来实现这个。下面是一种使用相关子查询的方法：

这里有一个方法：

select t.*,
       (select created_at
        from t t2
        where t2.user_id = t.user_id and
              t2.state_code = t.state_code and
              t2.outgoing = 't' and
              t2.created_at < t.created_at
        order by t2.created_at desc
        limit 1
       ) as prev_created_at
 from t

想不想给出一些示例数据或伪代码，显示消息相关和不相关的所需业务逻辑？当然，我只是添加了一些伪数据！难道你不想在OVER条款中使用ORDER BY吗？@MatBailie。清晰地谢谢你。+1-不是所有角落的案子都清楚。如果有一条传出状态20消息和一条传入状态20消息，但中间有其他消息，都是为同一用户发送的，那么这些消息是否仍然成对？无论哪种方式，这都应该给OP提供足够的工作空间，以满足实际需求：）谢谢大家！我没有足够的声誉来支持你的答案，但这帮了大忙！我最终使用了一个不太复杂的解决方案，在几个条件下将表与表本身连接起来。。。。再次感谢！
 select t.*
 from (select t.*,
              lag(created_at) over (partition by user_id, state_code order by created_at) as prev_created_at,
              lag(outgoing) over (partition by user_id, state_code order by created_at) as prev_outgoing
       from t
      ) t
where t.outgoing = 'f' and t.prev_outgoing = 't';