在数据分析中，时间维度通常是分析的核心，尤其是当我们需要基于日期和时间进行统计、趋势分析时。SQL 提供了丰富的日期与时间函数，帮助我们从原始数据中提取时间信息，计算时间跨度，进行趋势分析，并最终生成对业务有价值的报告。
本文将通过多个实战案例，展示如何使用 SQL 中的日期和时间函数进行时间分析和统计。
一、常用日期与时间函数概览
| 函数名 | 说明 | 示例 |
|---|---|---|
| NOW() | 返回当前的日期和时间 | NOW() → 2024-12-27 12:30:00 |
| CURDATE() | 返回当前日期（不包含时间） | CURDATE() → 2024-12-27 |
| DATE() | 从日期时间中提取日期部分 | DATE('2024-12-27 12:30:00') → 2024-12-27 |
| YEAR() / MONTH() / DAY() | 提取年份 / 月份 / 日 | YEAR('2024-12-27') → 2024 |
| DATEDIFF() | 计算两个日期之间的天数差 | DATEDIFF('2024-12-27', '2024-12-01') → 26 |
| TIMESTAMPDIFF() | 计算两个日期时间之间的差值（以指定单位） | TIMESTAMPDIFF(DAY, '2024-12-01', '2024-12-27') → 26 |
| DATE_ADD() / DATE_SUB() | 日期加减指定的时间间隔 | DATE_ADD('2024-12-01', INTERVAL 10 DAY) → 2024-12-11 |
| WEEK() / WEEKDAY() | 获取星期几或某个日期的星期数 | WEEK('2024-12-27') → 52 |
| DATE_FORMAT() | 格式化日期为指定的格式 | DATE_FORMAT('2024-12-27', '%Y-%m-%d') → 2024-12-27 |
| STR_TO_DATE() | 将字符串转换为日期格式 | STR_TO_DATE('2024-12-27', '%Y-%m-%d') → 2024-12-27 |
二、实战案例：日期与时间函数应用
案例 1：统计每日订单数量
需求
在电商平台中，我们需要统计每天的订单数量，以了解平台的日活跃情况。
表结构 orders
| order_id | order_date |
|---|---|
| 1 | 2024-12-01 10:15:00 |
| 2 | 2024-12-01 11:30:00 |
| 3 | 2024-12-02 14:45:00 |
| 4 | 2024-12-02 16:00:00 |
| 5 | 2024-12-03 09:00:00 |
SQL 实现
sql
SELECT
DATE(order_date) AS order_day,
COUNT(order_id) AS order_count
FROM orders
GROUP BY order_day
ORDER BY order_day;查询结果
| order_day | order_count |
|---|---|
| 2024-12-01 | 2 |
| 2024-12-02 | 2 |
| 2024-12-03 | 1 |
解释：
DATE(order_date)提取了订单的日期部分，忽略时间。- 使用
COUNT(order_id)统计每天的订单数量。 - 通过
GROUP BY按日期分组，按日期进行统计。
案例 2：计算订单完成时间（时间跨度）
需求
在平台上，订单从下单到完成可能需要一定时间。我们需要计算每个订单从下单到完成的时间跨度（以小时为单位）。
表结构 orders
| order_id | order_date | completed_date |
|---|---|---|
| 1 | 2024-12-01 10:15:00 | 2024-12-01 14:30:00 |
| 2 | 2024-12-01 11:30:00 | 2024-12-01 13:00:00 |
| 3 | 2024-12-02 14:45:00 | 2024-12-02 18:15:00 |
| 4 | 2024-12-02 16:00:00 | 2024-12-02 19:00:00 |
| 5 | 2024-12-03 09:00:00 | 2024-12-03 12:00:00 |
SQL 实现
sql
SELECT
order_id,
TIMESTAMPDIFF(HOUR, order_date, completed_date) AS completion_hours
FROM orders;查询结果
| order_id | completion_hours |
|---|---|
| 1 | 4 |
| 2 | 1.5 |
| 3 | 3.5 |
| 4 | 3 |
| 5 | 3 |
解释：
TIMESTAMPDIFF(HOUR, order_date, completed_date)计算两个时间点之间的差值，并以小时为单位返回结果。- 该查询帮助我们了解每个订单的完成时间，便于分析订单处理效率。
案例 3：按月统计销售总额
需求
我们希望统计每个月的销售总额，以了解不同月份的业务表现。
表结构 sales
| sale_id | sale_date | amount |
|---|---|---|
| 1 | 2024-12-01 09:00:00 | 100 |
| 2 | 2024-12-01 10:30:00 | 150 |
| 3 | 2024-11-15 14:45:00 | 200 |
| 4 | 2024-11-20 16:00:00 | 250 |
| 5 | 2024-12-03 11:15:00 | 180 |
SQL 实现
sql
SELECT
DATE_FORMAT(sale_date, '%Y-%m') AS sale_month,
SUM(amount) AS total_sales
FROM sales
GROUP BY sale_month
ORDER BY sale_month;查询结果
| sale_month | total_sales |
|---|---|
| 2024-11 | 450 |
| 2024-12 | 430 |
解释：
DATE_FORMAT(sale_date, '%Y-%m')提取销售日期的年月部分，以便按月分组。- 使用
SUM(amount)统计每个月的销售总额。
案例 4：计算每周活跃用户数
需求
我们需要了解每周活跃用户的数量，分析平台的用户活跃趋势。
表结构 user_activity
| activity_id | user_id | activity_date |
|---|---|---|
| 1 | 1001 | 2024-12-01 10:15:00 |
| 2 | 1002 | 2024-12-01 11:30:00 |
| 3 | 1001 | 2024-12-07 14:45:00 |
| 4 | 1003 | 2024-12-07 16:00:00 |
| 5 | 1002 | 2024-12-14 09:00:00 |
SQL 实现
sql
SELECT
YEAR(activity_date) AS year,
WEEK(activity_date) AS week,
COUNT(DISTINCT user_id) AS active_users
FROM user_activity
GROUP BY year, week
ORDER BY year, week;查询结果
| year | week | active_users |
|---|---|---|
| 2024 | 48 | 3 |
| 2024 | 49 | 2 |
| 2024 | 50 | 1 |
解释：
YEAR(activity_date)和WEEK(activity_date)提取活动发生的年份和周数，按周进行
分组。
COUNT(DISTINCT user_id)计算每周的独立活跃用户数量。
总结
- 日期与时间函数在 SQL 中非常重要，能够帮助我们处理各种基于时间的统计与分析任务。
- 使用这些函数，可以从原始数据中提取时间信息，计算时间差，生成趋势报告等。
- 通过灵活组合使用 DATE()、TIMESTAMPDIFF()、DATE_FORMAT() 等函数，可以轻松实现日期和时间的清洗、分析和展示。
这些日期与时间的处理技巧不仅能提升查询的效率，还能为数据分析和报表生成提供精准支持。