如何计算值的平均值而不包括最后一个值(sql)?
我有一张桌子。我按id对其进行分区,并希望计算当前值之前的值的平均值,而不包括当前值。下面是一个示例表:如何计算值的平均值而不包括最后一个值(sql)?,sql,tsql,window-functions,Sql,Tsql,Window Functions,我有一张桌子。我按id对其进行分区,并希望计算当前值之前的值的平均值,而不包括当前值。下面是一个示例表: +----+-------+------------+ | id | Value | Date | +----+-------+------------+ | 1 | 51 | 2020-11-26 | | 1 | 45 | 2020-11-25 | | 1 | 47 | 2020-11-24 | | 2 | 32 | 2020-11-26 | |
+----+-------+------------+
| id | Value | Date |
+----+-------+------------+
| 1 | 51 | 2020-11-26 |
| 1 | 45 | 2020-11-25 |
| 1 | 47 | 2020-11-24 |
| 2 | 32 | 2020-11-26 |
| 2 | 51 | 2020-11-25 |
| 2 | 45 | 2020-11-24 |
| 3 | 47 | 2020-11-26 |
| 3 | 32 | 2020-11-25 |
| 3 | 35 | 2020-11-24 |
+----+-------+------------+
在这种情况下,它意味着计算2020年11月26日之前日期的平均值。这是预期的结果
+----+-------+
| id | Value |
+----+-------+
| 1 | 46 |
| 2 | 48 |
| 3 | 33.5 |
+----+-------+
我已经使用N行previous计算了它,但这样看来,我平均N行previous+最后一行,并且我想排除最后一行,这是我的案例中最近的日期。
我的问题是:
SELECT ID,
(avg(Value) OVER(
PARTITION BY ID
ORDER BY Date
ROWS 9 PRECEDING )) as avg9
FROM t1
为什么不直接过滤:
select id, avg(value)
from t1
where date < '2020-11-26'
group by id;
如果希望日期灵活,请说出每个日期的最新值,然后:
select id, avg(value)
from (select t1.*,
max(date) over (partition by id) as max_date
from t1
) t1
where date < max_date
group by id;
为什么不直接过滤:
select id, avg(value)
from t1
where date < '2020-11-26'
group by id;
如果希望日期灵活,请说出每个日期的最新值,然后:
select id, avg(value)
from (select t1.*,
max(date) over (partition by id) as max_date
from t1
) t1
where date < max_date
group by id;
然后使用“开始”和“结束”之间的值来完整定义窗口:
然后使用“开始”和“结束”之间的值来完整定义窗口:
按[Date]DESC按id顺序在分区上做一个行号。这将给最新日期的行一个秩=1。将其包装在CTE中,然后计算秩>1的每个分区的平均值。请检查语法
;with a as
(
select id, value, Date, row_number() over (partition by id order by date
desc) as RN
)
select id, avg(Value) from a group by id where r.RN > 1
按[Date]DESC按id顺序在分区上做一个行号。这将给最新日期的行一个秩=1。将其包装在CTE中,然后计算秩>1的每个分区的平均值。请检查语法
;with a as
(
select id, value, Date, row_number() over (partition by id order by date
desc) as RN
)
select id, avg(Value) from a group by id where r.RN > 1
这再简单不过了。。。在最后的30分钟里我一直很痛苦。。非常感谢。这再简单不过了。。。在最后的30分钟里我一直很痛苦。。非常感谢。