开始日期结束日期合并行

Question

在 Redshift 中，通过 SQL 脚本想要合并月度记录，只要第一个记录的结束日期和下一个记录的开始日期之间的间隔为 32 天或更短 (<=32) 为单个记录连续月份的最小开始日期作为输出开始日期，连续月份的最大结束日期作为输出结束日期。

下面的输入数据是指 table 的数据，还列出了预期的输出。输入数据已列出 ORDER BY ID,STARTDT,ENDDT in ASC。

例如，在下面的 table 中，考虑 ID 100，第一个记录的结尾和下一个记录的开始之间的间隔 <=32，但是第二个记录的结束日期和第三个记录之间的间隔开始日期超过 32 天，因此前两条记录合并为一条记录，即 (ID),MIN(STARTSDT),MAX(ENDDT)，它对应于预期输出中的第一条记录。类似地，输入数据中的 3 到 4 条记录落在 32 天内，因此这 2 条记录将合并为单个记录，对应于预期输出中的第二条记录。

输入数据：

ID STARTDT ENDDT
100 2000-01-01 2000-01-31
100 2000-02-01 2000-02-29
100 2000-05-01 2000-05-31
100 2000-06-01 2000-06-30
100 2000-09-01 2000-09-30
100 2000-10-01 2000-10-31
101 2012-06-01 2012-06-30
101 2012-07-01 2012-07-31
102 2000-01-01 2000-01-31
103 2013-03-01 2013-03-31
103 2013-05-01 2013-05-31

预期输出：

ID MIN_STARTDT MAX_END_DT
100 2000-01-01 2000-02-29
100 2000-05-01 2000-06-30
100 2000-09-01 2000-10-31
101 2012-06-01 2012-07-31
102 2000-01-01 2000-01-31
103 2013-03-01 2013-03-31
103 2013-05-01 2013-05-31

Answer 1

您可以按以下步骤执行此操作：

使用 join 确定两条相邻记录应合并的位置。
然后做一个累加和，为所有这些相邻的记录分配一个分组标识符。
汇总。

看起来像：

  select id, min(startdt), max(enddte)
  from (select t.*,
               count(case when tprev.id is null then 1 else 0 end) over 
                     (partition by t.idid
                      order by t.startdt
                      rows between unbounded preceding and current row
                     ) as grp
        from t left join
             t tprev
             on t.id = tprev.id and
                t.startdt = tprev.enddt + interval '1 day'
       ) t
  group by id, grp;

Answer 2

这个问题和这个很相似，我的回答也很相似：Fetch rows based on condition

这个想法的要点是使用Window函数来识别周期之间的转换（相隔小于33天的事件），然后进行一些过滤以删除周期内的行，然后Window 再次运行。

完整的解决方案：

SELECT
  id,
  startdt AS period_start,
  period_end
FROM (
  SELECT
    id,
    startdt,
    enddt,
    lead(enddt, 1)
    OVER (PARTITION BY id
      ORDER BY enddt) AS period_end,
    period_boundary
  FROM (
         SELECT
           id,
           startdt,
           enddt,
           CASE WHEN period_switch = 0 AND reverse_period_switch = 1
             THEN 'start'
           ELSE 'end' END AS period_boundary
         FROM (
                SELECT
                  id,
                  startdt,
                  enddt,
                  CASE WHEN datediff(days, enddt, lead(startdt, 1)
                  OVER (PARTITION BY id
                    ORDER BY enddt ASC)) > 32
                    THEN 1
                  ELSE 0 END AS period_switch,
                  CASE WHEN datediff(days, lead(enddt, 1)
                  OVER (PARTITION BY id
                    ORDER BY enddt DESC), startdt) > 32
                    THEN 1
                  ELSE 0 END AS reverse_period_switch
                FROM date_test
              )
           AS sessioned
         WHERE period_switch != 0 OR reverse_period_switch != 0
         UNION
         SELECT -- adding start rows without transition
           id,
           startdt,
           enddt,
           'start'
         FROM (
                SELECT
                  id,
                  startdt,
                  enddt,
                  row_number()
                  OVER (PARTITION BY id
                    ORDER BY enddt ASC) AS row_num
                FROM date_test
              ) AS with_row_number
         WHERE row_num = 1
         UNION
         SELECT -- adding end rows without transition
           id,
           startdt,
           enddt,
           'end'
         FROM (
                SELECT
                  id,
                  startdt,
                  enddt,
                  row_number()
                  OVER (PARTITION BY id
                    ORDER BY enddt desc) AS row_num
                FROM date_test
              ) AS with_row_number
         WHERE row_num = 1
       ) AS with_boundary -- data set containing start/end boundaries
) AS with_end -- data set where end date is propagated into the start row of the period
WHERE period_boundary = 'start'
ORDER BY id, startdt ASC;

请注意，在您的预期输出中，您有一行 103 2013-05-01 2013-05-31，但它的开始日期与前一行的结束日期相差 31 天，所以根据您的要求，这一行应该与 id 103 的前一行合并。

所以我得到的输出如下所示：

 id    start       end
100  2000-01-01  2000-02-29
100  2000-05-01  2000-06-30
100  2000-09-01  2000-10-31
101  2012-06-01  2012-07-31
102  2000-01-01  2000-01-31
103  2013-03-01  2013-05-31

开始日期结束日期合并行

start date end date combine rows

sql

amazon-redshift