POSTGRESQL中如何利用SQL语句快速的进行同环比？

theskylife2023-12-04 16:12

目录

    • [1. 引言](#1. 引言)
    • [2. 数据准备](#2. 数据准备)
    • [3. 时间序列数据处理](#3. 时间序列数据处理)
    • [4. 同比分析](#4. 同比分析)
      • [4.1 对两年的数据进行对比](#4.1 对两年的数据进行对比)
      • [4.2 计算两年的差额和同比](#4.2 计算两年的差额和同比)
      • [4.3 细分后的同比计算](#4.3 细分后的同比计算)
    • [5. 环比分析](#5. 环比分析)
      • [5.1 简单的日期环比计算](#5.1 简单的日期环比计算)
      • [5.2 先聚合再进行环比计算](#5.2 先聚合再进行环比计算)
      • [5.3 考虑日期不连续的环比计算](#5.3 考虑日期不连续的环比计算)
    • [6. 性能优化技巧](#6. 性能优化技巧)
    • [7. 注意事项与常见问题](#7. 注意事项与常见问题)
    • [8. 结语](#8. 结语)

1. 引言

在数据驱动的时代，了解销售、收入或任何业务指标的同比和环比情况对企业决策至关重要。本文将深入介绍如何利用 PostgreSQL 和 SQL 语句快速、准确地进行这两种重要分析。

2. 数据准备

为了演示，假设我们有一张 sales 表，存储了销售数据，包括 date（日期）、product_id（产品ID）、revenue（收入）等字段。首先，确保数据准备工作：

sql 复制代码 
CREATE TABLE sales (
    date DATE,
    product_id INT,
    revenue DECIMAL(10, 2)
);

INSERT INTO sales VALUES
    ('2020-01-01', 1, 400),
    ('2020-01-02', 1, 300),
    ('2020-01-01', 2, 3000),
    ('2020-01-02', 2, 3200),
    ('2022-01-01', 1, 500),
    ('2022-01-02', 1, 600),
    ('2022-01-01', 2, 1200),
    ('2022-01-02', 2, 1900),
    ('2023-01-01', 1, 1000),
    ('2023-01-02', 1, 1200),
    ('2023-01-01', 2, 800),
    ('2023-01-02', 2, 900);

插入上述数据后，进行数据查询：

sql 复制代码 
SELECT
	* 
FROM
	sales 
ORDER BY
	product_id,
	DATE;

查询结果如下：

3. 时间序列数据处理

处理时间序列数据是同比和环比分析的关键。确保日期字段以正确的数据类型存储：

sql 复制代码 
ALTER TABLE sales
ALTER COLUMN date SET DATA TYPE DATE;

4. 同比分析

同比分析是比较同一时间段内不同年份数据的变化情况。

4.1 对两年的数据进行对比

比如我们现在想看各年的总收入和平均收入。

sql 复制代码 
SELECT
    EXTRACT(YEAR FROM date) AS year,
		sum(revenue) as sum_revenue,
		count(revenue) as count_revenue,
    AVG(revenue) AS avg_revenue
FROM sales
GROUP BY year
ORDER BY year;

运行后，结果如下：

4.2 计算两年的差额和同比

不考虑日期不连续的情况，即销售数据在原始序列中是每年连续的，如数据源中的2022年和2023年收入数据。代码如下：

sql 复制代码 
--计算同比
WITH yearly_revenue AS (
    SELECT
        EXTRACT(YEAR FROM date) AS year,
				sum(revenue) as year_total_revenue,
        AVG(revenue) AS year_avg_revenue
    FROM sales
		WHERE EXTRACT(YEAR FROM date) in (2022,2023)
    GROUP BY year
)
select 
year,
year_total_revenue,
year_avg_revenue,
lag(year_total_revenue) over (partition by null order by year ) as pre_year_total_revenue, --计算去年的收入
COALESCE(year_total_revenue - LAG(year_total_revenue) OVER (ORDER BY year) , 0) AS yoy_growth_value, --计算各年之间的收入差额
COALESCE((year_total_revenue - LAG(year_total_revenue) OVER (ORDER BY year)) / NULLIF(LAG(year_total_revenue) OVER (ORDER BY year), 0) * 100, 0) AS yoy_growth_rate, --计算两年之间的增长比例
lag(year_avg_revenue) over (partition by null order by year ) as pre_year_avg_revenue, --计算去年的平均收入
COALESCE((year_avg_revenue - LAG(year_avg_revenue) OVER (ORDER BY year)) / NULLIF(LAG(year_avg_revenue) OVER (ORDER BY year), 0) * 100, 0) AS yoy_avg_growth_rate --计算平均收入增长比例
from yearly_revenue;

运行上述代码后，可以直接进行计算收入的同比数据，上述代码考虑了去年收入为0和为null的情况，运行后结果如下：

考虑日期不连续的情况，即销售数据在原始序列中是每年连续的，如数据源中的2020年和2022年收入数据。代码如下：

sql 复制代码 
WITH yearly_revenue AS (
    SELECT
        EXTRACT(YEAR FROM date) AS year,
        SUM(revenue) AS year_total_revenue,
        AVG(revenue) AS year_avg_revenue
    FROM sales
    GROUP BY year
)
SELECT
  current_year.year,
  current_year.year_total_revenue,
  previous_year.year_total_revenue AS last_year_total_revenue,
  previous_year.year_avg_revenue AS last_year_avg_revenue,
	COALESCE(current_year.year_total_revenue - previous_year.year_total_revenue,0)   yoy_growth_value,
	COALESCE(current_year.year_total_revenue / nullif(previous_year.year_total_revenue,0)-1,0) * 100  yoy_growth_rate
--   ,CASE
--     WHEN previous_year.year_total_revenue IS NOT NULL THEN
--       (current_year.year_total_revenue - previous_year.year_total_revenue) / previous_year.year_total_revenue * 100
--     ELSE
--       NULL
--   END AS year_on_year_growth
FROM
  yearly_revenue current_year
LEFT JOIN
  yearly_revenue previous_year ON current_year.year = previous_year.year + 1
-- WHERE 
-- 	previous_year.year_total_revenue is not null
ORDER BY
  current_year.year;

运行代码后，结果如下：

4.3 细分后的同比计算

我们只需要将上述的代码进行简单的修改后，就可以统计细分到任意维度的同比计算。代码如下：

sql 复制代码 
	WITH yearly_revenue AS (
    SELECT
        EXTRACT(YEAR FROM date) AS year,
				product_id,
        SUM(revenue) AS year_total_revenue,
        AVG(revenue) AS year_avg_revenue
    FROM sales
    GROUP BY year,product_id
)
SELECT
  current_year.year,
  current_year.product_id,
  current_year.year_total_revenue,
  previous_year.year_total_revenue AS last_year_total_revenue,
  previous_year.year_avg_revenue AS last_year_avg_revenue,
	COALESCE(current_year.year_total_revenue - previous_year.year_total_revenue,0)   yoy_growth_value,
	COALESCE(current_year.year_total_revenue / NULLIF(previous_year.year_total_revenue, 0) - 1, 0) * 100  yoy_growth_rate
--   ,CASE
--     WHEN previous_year.year_total_revenue IS NOT NULL THEN
--       (current_year.year_total_revenue - previous_year.year_total_revenue) / previous_year.year_total_revenue * 100
--     ELSE
--       NULL
--   END AS year_on_year_growth
FROM
  yearly_revenue current_year
LEFT JOIN
  yearly_revenue previous_year ON current_year.year = previous_year.year + 1 and current_year.product_id = previous_year.product_id
-- WHERE 
-- 	previous_year.year_total_revenue is not null
ORDER BY
  current_year.year,current_year.product_id;

运行上述代码后，结果如下：

5. 环比分析

环比分析是比较相邻时间段的数据变化情况。

5.1 简单的日期环比计算

不考虑数据缺失的情况下，如果要对2023年product_id为1的产品进行环比计算，可以使用以下代码进行简单的环比计算：

sql 复制代码 
SELECT
    date,
    revenue,
    LAG(revenue) OVER (ORDER BY date) AS prev_revenue,
    (revenue - LAG(revenue) OVER (ORDER BY date)) / LAG(revenue) OVER (ORDER BY date) * 100 AS growth_rate
FROM sales
WHERE
		extract(year from date) in (2023) and product_id in (1);

筛选后的数据：

进行计算后的数据：

5.2 先聚合再进行环比计算

在不考虑日期缺失情况下，如果我们要计算2023年的收入环比，那么我们就需要先按照日期进行聚合，然后再进行环比计算。这里有两种方法，代码如下：

sql 复制代码 
-- 计算写法1
WITH daily_revenue AS (
    SELECT
        date,
				sum(revenue) as day_total_revenue
    FROM sales
    GROUP BY date
)
select 
*,
LAG(day_total_revenue) OVER (ORDER BY day_total_revenue) AS prev_revenue,
COALESCE((day_total_revenue - LAG(day_total_revenue) OVER (ORDER BY date)),0) day_growth_value,
COALESCE((day_total_revenue - LAG(day_total_revenue) OVER (ORDER BY date)) / LAG(day_total_revenue) OVER (ORDER BY date) * 100,0) AS day_growth_rate
from daily_revenue
WHERE EXTRACT(YEAR FROM date) in (2023);
sql 复制代码 
#计算写法2
SELECT
    date,
    sum(revenue),
		LAG(sum(revenue)) OVER (ORDER BY date) AS prev_revenue,
		COALESCE((sum(revenue) - LAG(sum(revenue)) OVER (ORDER BY date)),0) day_growth_value,
    COALESCE((sum(revenue) - LAG(sum(revenue)) OVER (ORDER BY date)) / LAG(sum(revenue)) OVER (ORDER BY date) * 100,0) AS growth_rate
FROM sales
WHERE
		extract(year from date) in (2023)
		group by date;

无论那个代码都可以，运行后结果如下：

5.3 考虑日期不连续的环比计算

然而在现实统计中，我们的日期往往是不连续的，因此可以考虑下面的思路：

  • 1、先按照所需维度进行如何；
  • 2、进行日期拼接和计算

代码如下：

sql 复制代码 
-- 1.先聚合到指定维度		
WITH daily_revenue AS (
		SELECT 
				DATE, 
				SUM ( revenue )	AS day_total_revenue 
		FROM sales 
		GROUP BY DATE 
) 
-- 2.再进行拼接
SELECT
		current_day.DATE,
		current_day.day_total_revenue,
		prev_day.day_total_revenue prev_day_total_revenue,
		COALESCE ( current_day.day_total_revenue - prev_day.day_total_revenue, 0 ) day_growth_value,
		COALESCE ( current_day.day_total_revenue / NULLIF ( prev_day.day_total_revenue, 0 ) - 1, 0 ) * 100 day_growth_rate  --处理异常情况
FROM
	daily_revenue current_day
	LEFT JOIN daily_revenue prev_day ON DATE_TRUNC( 'day', current_day.DATE ) = DATE_TRUNC( 'day', prev_day.DATE ) + INTERVAL '1 day' 
-- WHERE 
-- prev_day.day_total_revenue is not null
	
ORDER BY
	DATE;

运行后，效果如下：

6. 性能优化技巧

数据库性能是关键，特别是在处理大量数据时。

sql 复制代码 
-- 为 date 列创建索引
CREATE INDEX idx_date ON sales (date);
-- 向上方一样，采用视图
WITH daily_revenue AS (
		SELECT 
				DATE, 
				SUM ( revenue )	AS day_total_revenue 
		FROM sales 
		GROUP BY DATE 
) SELECT *
FROM
	daily_revenue;

7. 注意事项与常见问题

数据规范性和异常值处理是关键。确保日期格式正确，避免数据异常对分析造成的影响。

8. 结语

本文介绍了在 PostgreSQL 中利用 SQL 进行同比和环比分析的方法。从数据准备到复杂场景下的 SQL 查询，每一步都经过详细解释和示例演示。这些技能不仅能提升数据分析效率，还能为业务决策提供重要支持。利用这些方法，你可以更加准确、快速地分析业务数据，为企业带来更大价值。

希望这篇文章能帮助你更好地利用 SQL 在 PostgreSQL 中进行同比和环比分析！

相关推荐
databook14 小时前
使用 SciPy 库进行时间序列分析
python·数据分析·scipy
白帽攻防录14 小时前
SRC 挖洞：Roundcube 预认证 SQL 注入深度复盘，CVE-2026-48842 preg_replace 转义绕过怎么打穿邮件系统
网络·数据库·sql·网络安全·sql注入
wang_yb14 小时前
使用 SciPy 库进行时间序列分析
数据分析·databook
꯭自꯭闭꯭14 小时前
达梦SQL优化相关
linux·运维·数据库·sql
对空六课15 小时前
支持注意力分析的热力图工具有哪些？
前端·数据库·数据分析
南京码讯光电技术有限公司15 小时前
How to Design an Antenna System for an Industrial WiFi Module
数据库·人工智能
lusklusklusk16 小时前
Oracle数据库基础之2_体系结构
数据库·oracle
可乐ea16 小时前
从第一性原理构建 AI Agent：提示词、工具、技能与记忆全解剖
数据库·人工智能·工具调用·ai智能体·提示词工程·agent开发·智能体记忆
东方护航数据恢复（深圳）17 小时前
医疗案例：HIS/PACS 数据库页损坏修复，医院不停诊完成恢复【东方护航数据恢复深圳店】
数据库·数据恢复·医疗·二次开盘
lusklusklusk18 小时前
Oracle数据库基础之11_Duplicate和Dataguard和RAC
数据库·oracle
热门推荐
01历年考研数学一、数学二、数学三真题试卷及答案PDF02国内可直接用、免费额度/永久免费的大模型API清单（含 SiliconFlow、火山、阿里、智谱、百度、Kimi、DeepSeek、DMXAPI 等）03Telegram APK 下载安装完整指南 — 2026年最新04GitHub 镜像站点05蜘蛛磁力 搜索引擎大全，如何使用蜘蛛磁力查找磁力链接06微信历史版本含下载地址（ Windows PC | 安卓 | MAC ）及设置微信不更新07如何新建文件夹？ 电脑新建文件夹的4种方法082026 爱知・名古屋亚运会怎么看？直播平台+赛程安排分享09Windows 10/11 如何退出微软账户并改用本地账户登录（含找不到选项的解决方法）10给AI一张“业务概念地图“：本体如何从哲学走向企业智能