SQL Server:具有日期范围标准的平均销售额

我是全新的SQL Server（大约10分钟）。我有一个测试数据库，其中包含几个列（单位、日期、主ID、平均月销售额）。月平均销售额为空

背景：我从Excel文件导入数据，这些文件是从其他文件构建的，而Excel的平均销售计算时间让我发疯，因此这篇文章

我想做的是根据相关行中的日期，用过去6个月的平均单位填充Average Sales列。i、 e.如果日期为2016-06-31，我应获得2016-01-01至2016-06-31（包括2016-06-31）期间特定主ID（主ID不是我的唯一密钥-仅供参考）的平均单位销售额

如前所述，我是SQL新手，我使用的是SQL Server Express（在本地运行），数据表（

SALES

）大约有800万行。我不确定这样的计算是否应该使用SQL，但我想尝试一下，这样我就可以检查它是否比我当前的方法（Excel）更快

如果有人能举例说明这一点，那就太好了

多谢各位。

---

标记。

将某些UniqueField替换为主键列，并仅使用select first进行测试

UPDATE t SET [AVE Monthly Sales] = x.avgsum FROM table t JOIN
(SELECT someuniquefield ,
  AVG(CASE WHEN date > DATEADD(m, -6, date - DATEPART(d, date) + 1) THEN Units END) OVER (ORDER BY Date DESC) avgsum 
    FROM table  ) as x
ON x.someunqiuefield.=t.someuniquefield

---

我假设您希望它是动态的，而不是固定值（允许修改数据并显示正确的值）。下面的示例显示了如何在SELECT查询中执行此操作（无需修改基础数据）

测试数据（#=临时表）

质疑

输出

Master_ID   Date_Field                  Units   Sum_Units
1           2016-07-06 00:00:00.000     10      10
1           2016-08-06 00:00:00.000     20      30
1           2016-09-06 00:00:00.000     30      60
1           2016-10-06 00:00:00.000     40      90
1           2016-11-06 00:00:00.000     50      120
1           2016-12-06 00:00:00.000     60      150
2           2016-10-06 00:00:00.000     70      70
2           2016-11-06 00:00:00.000     80      150
2           2016-12-06 00:00:00.000     90      240

这里的逻辑是，您将返回到日期范围为-3个月（本例中）的同一个表，以给出您的跑步总数

---

这样做比试图将数据持久化到计算列（这是我的另一种方法）更容易，因为在提取数据时只需运行一次。每次您将任何数据放入此表时，计算列都必须进行计算。

您正在运行哪个版本的Express（2008、2012、2014等）？Hi Rich，我使用的是2016，您是否需要将此数据保留在表中，还是仅在提取数据时才需要此新列（以便您可以在查询中进行计算）我想把这个放在桌子上。（编辑）你有一个独特的专栏吗？你好，里奇，谢谢你的详细回复，我将继续讨论你所做的，我会回复你的。

SELECT
     tt.Master_ID
     ,tt.Date_Field
     ,tt.Units
     ,SUM(tt2.Units) Sum_Units
FROM #TestTable tt
LEFT JOIN #TestTable tt2
    ON tt2.Date_Field BETWEEN DATEADD(m,-3,tt.Date_Field) AND tt.Date_Field
    AND tt.Master_ID = tt2.Master_ID
GROUP BY tt.Master_ID, tt.Date_Field, tt.Units
ORDER BY tt.Master_ID, tt.Date_Field

Master_ID   Date_Field                  Units   Sum_Units
1           2016-07-06 00:00:00.000     10      10
1           2016-08-06 00:00:00.000     20      30
1           2016-09-06 00:00:00.000     30      60
1           2016-10-06 00:00:00.000     40      90
1           2016-11-06 00:00:00.000     50      120
1           2016-12-06 00:00:00.000     60      150
2           2016-10-06 00:00:00.000     70      70
2           2016-11-06 00:00:00.000     80      150
2           2016-12-06 00:00:00.000     90      240