SQL面试真题解答 数据统计分析,求“同比、环比”等(SQL窗口函数使用)

SQL面试真题解答 数据统计分析,求"同比、环比"等(SQL窗口函数使用)

环比、环比增长率、同比、同比增长率,根据百度百科上的 说明:

环比增长率 环比增长率,一般是指和上期相比较的增长率。 环比增长率=(本期的某个指标的值-上一期这个指标的值)/上一期这个指标的值*100%。 例如,今年5月与今年4月比较。环比更侧重于体现数的短期变化,能够反映出最新趋势和动态。

同比增长率 某个指标的同期比=(当年的某个指标的值-上年同期这个指标的值)/上年同期这个指标的值 即:同比增长率=(当年的指标值-上年同期的值)÷上年同期的值*100%。例如,今年5月与去年5月相比较。同比能够反映出长期的趋势和周期性变化。

解题思路:

保证数据完整,每年每月数据不缺失。

01.将数据抽取年份,月份字段,按照年月聚合求总数。

02.利用SQl窗口函数 LAG() 或者 LEAD() 获取前后数据。

03.与昨日比较:按照"日期"排序,取昨日数据。

04.环比:本月与上月比较,按照"月份"排序,取上一个月份数据。

05.同比:今年本月与去年本月比较,将数据按照"月份"分组,按照"年份"排序,取上一个年份数据。

本SQL示例:

未按照月份聚合求和,仍是按照每天查询。 对比昨天,对比上月同一天,对比上年同一天。

考题扩展延伸:

与十天前对比,与三个月前对比,与六个月前对比,与九个月前对比,与三年前对比,与五年前对比。都可以将数据抽取年月日(或者在设计数据库时候,定义年月日字段),使用窗口函数,实现单表查询,做数据分析。

复制代码
SELECT 	
    eqm_num,
    product_month,
    product_date,
    yyyy,
    mm,
    dd,
    today_all,
    today_ng,
    /*yesterday : 昨天*/
    yesterday_date,
    LAG(product_date,1)OVER(PARTITION BY  eqm_num ORDER BY product_date) AS yesterday,
    LAG(today_all,1)OVER(PARTITION BY  eqm_num ORDER BY product_date) AS yesterday_all,
    /*mm : 上个月*/
    last_month_date,
    LAG(product_date,1)OVER(PARTITION BY eqm_num, yyyy, dd ORDER BY mm) AS mm_day,
    LAG(today_all,1)OVER(PARTITION BY  eqm_num,yyyy, dd ORDER BY mm) AS mm_day_all,
    /*yyyy : 上一年*/
    last_year_date,
    LAG(product_date,1)OVER(PARTITION BY eqm_num, mm, dd ORDER BY yyyy) AS yyyy_day,
    LAG(today_all,1)OVER(PARTITION BY eqm_num, mm, dd ORDER BY yyyy) AS yyyy_day_all
FROM (
    /**/
    SELECT 
        product_month,
        product_date,
        DATEADD(YEAR, -1, product_date) AS last_year_date,
        DATEADD(MONTH, -1, product_date) AS last_month_date,
        DATEADD(DAY, -1, product_date) AS yesterday_date,
        YEAR(product_date) AS yyyy,
        MONTH(product_date) AS mm,
        DAY(product_date) AS dd,
        eqm_num,
        today_all,
        today_ng,
        deleted
    FROM dbo.tbl_daily
    WHERE deleted = 0
    /**/
)AS aa
WHERE deleted = 0
ORDER BY 
    eqm_num,
    product_date
相关推荐
一个有温度的技术博主1 分钟前
DeepSeek Harness 深度解析:与 LangChain / LangGraph 的本质区别
数据库·oracle·langchain·harness
Wang's Blog26 分钟前
PostgreSQL笔记4: 市场地位、生态全景与行业应用实践
数据库·笔记·postgresql
隔窗听雨眠2 小时前
Oracle误Truncate操作恢复:从原理到实战的完整指南
数据库·oracle
Lethehong2 小时前
MySQL迁移如何做到零改造?四层兼容方案详解
数据库·mysql·adb
Json____2 小时前
五金制品行业-企业官网源码
java·大数据·数据库·企业站·wwwoop.com
科技每日热闻4 小时前
AI 赋能财务资金管理、风险预警、经营数据分析,合适的云上财务智能 Agent 有哪些?—— 优先采用 Amazon Quick 四链路解决方案
人工智能·ai·数据挖掘·数据分析
深念Y4 小时前
Opencode Event 表写入优化方案
数据库·人工智能·ai·node.js·bug·优化·opencode
竹枝溪4 小时前
MySQL进阶:约束、多表设计、多表查询与事务
java·数据库·mysql·事务·子查询·acid·多表查询
weixin_431600445 小时前
NestJS 入门(9):连上数据库,SQL 写在哪?
数据库·后端·sql·学习·nest.js
roman_日积跬步-终至千里5 小时前
【Spark与SQL网关(1)】Spark 提交模式与 Spark Thrift Server:到底在“提交”什么
大数据·sql·spark