Sql 如何计算特定值的重铺率

我想计算一个特定的场地在一年内复出一次以上的频率

这个表看起来是这样的： 站点度量

| site          | date | 
|       abc.com | 20190101 | 
|       abc2.com | 20190102   | 
|       abc2.com | 20190302   | 
|       abc2.com | 20190402   | 
|       abc2.com | 20190502   | 
|       abc3.com | 20190502   | 
|       abc3.com | 20190602   | 

---

我想说的是：x%的网站在一年中会重新出现一次以上。

如果我理解正确，您可以使用两个级别的聚合：

select avg(case when num_in_year > 1 then 1.0 else 0 end) as resurface_rate
from (select site, count(*) as num_in_year
      from t
      where date >= '2019-01-01' and date < '2020-01-01'
      group by site
     ) s;

---

下面是BigQuery标准SQL，使用仅一个GROUP BY可获得

每年的翻新率

我不确定它是否有多大的实用价值（因为它使用相对昂贵的regexp函数，并且有大量的站点可能会有规模问题），但作为一个概念版本，我认为是有趣的

#standardSQL
CREATE TEMP FUNCTION extract_year(date ANY TYPE) AS (
  SUBSTR(date, 1, 4) -- if stored as YYYYMMDD as string
--  EXTRACT(YEAR FROM date) -- if stored as DATE type
); -- just to abstact year extraction from user's data as it is not that important but really depends on how exactly it is stored
SELECT extract_year(date) year, 
  1 - ARRAY_LENGTH(REGEXP_EXTRACT_ALL(REGEXP_REPLACE(
    CONCAT(STRING_AGG(site ORDER BY site), ','), 
    STRING_AGG(DISTINCT CONCAT('(',site,',){2,}'), '|'), 
    ''
  ), ',')) / COUNT(DISTINCT site) AS resurface_rate
FROM  `project.dataset.table`
GROUP BY year

如果要应用于您问题中的样本数据-结果为

Row year    resurface_rate   
1   2019    0.6666666666666667   

最有可能的是，可以进一步“简化”-但只是想分享这个非正统的版本

Row year    resurface_rate   
1   2019    0.6666666666666667