Wcześniej omawialiśmy pisanie średnich kroczących w Postgresie. Według popularnego popytu pokazywali ci, jak zrobić to samo w MySQL i SQL Server. Zajmij się tym, jak opisywać głośne wykresy: 7-dniowa poprzednia średnia linia: Wielka idea Nasz pierwszy wykres powyżej jest dość głośny i trudno jest uzyskać przydatne informacje. Możemy go wygładzić, wykreślając 7-dniową średnią na podstawie danych podstawowych. Można to zrobić za pomocą funkcji okna, łączenia się lub skorelowanych podkwerend - dobrze pokrywają pierwsze dwa. Zacznijmy od poprzedniej średniej, co oznacza, że średni punkt 7 dnia miesiąca jest średnią z pierwszych siedmiu dni. Wizualnie przesuwa to kolce na wykresie w prawo, ponieważ duży skok jest uśredniany w ciągu następnych siedmiu dni. Najpierw utwórz tabelę zliczeń pośrednich Chcemy obliczyć średnią z łącznej liczby rejestracji dla każdego dnia. Zakładając, że mamy typową tabelę użytkowników z wierszem dla każdego nowego użytkownika i znacznikiem czasu, możemy utworzyć naszą zbiorczą tablicę rejestracyjną, tak jak to jest: W Postgres i SQL Server możesz użyć tego jako CTE. W MySQL można zapisać go jako tabelę tymczasową. Postgres Rolling Average Na szczęście Postgres ma funkcje okna, które są najprostszym sposobem obliczenia średniej bieżącej. To zapytanie zakłada, że daty nie zawierają luk. Zapytanie jest uśredniane w ciągu ostatnich siedmiu wierszy, a nie ostatnich siedmiu dat. Jeśli w Twoich danych występują luki, wypełnij je generatorami lub dołącz do tabeli z wierszami o gęstej dacie. MySQL Rolling Average MySQL nie ma funkcji okienkowych, ale możemy wykonać podobne obliczenia za pomocą self-joinów. Dla każdego wiersza w tabeli liczenia dołączamy każdy wiersz, który był w ciągu ostatnich siedmiu dni i przyjmujemy średnią. To zapytanie automatycznie obsługuje luki w dacie, ponieważ szukamy wierszy w zakresie dat, a nie poprzednich N wierszy. SQL Server Toczenia Średnia SQL Server ma funkcje okna, więc obliczanie średniej kroczącej można wykonać w stylu PostgreSQL lub MySQL. Dla uproszczenia wykorzystano wersję MySQL z samo łączeniem. Jest to koncepcyjnie takie samo, jak w MySQL. Jedyne tłumaczenia to funkcja dateadd i jawnie nazwana grupa według kolumn. Inne średnie Skupiliśmy się na 7-dniowej średniej kroczącej w tym poście. Jeśli chcieliśmy spojrzeć na 7-dniową średnią wyprzedzającą, to tak proste, jak posortowanie dat w innym kierunku. Jeśli chcemy spojrzeć na średnią, środkową, używamy: Postgres: wiersze między 3 poprzedzającymi i 3 następującymi po MySql: pomiędzy signups. date - 3 a signups. date 3 w MySQL SQL Server: pomiędzy dateadd (dzień, -3, zapisy. date) i dateadd (dzień, 3, zapisy. date) Średnia ruchoma w T-SQL Wspólnym obliczeniem w analizie trendów jest średnia (ruchoma) ruchoma. Średnia krocząca to średnia z ostatnich 10 wierszy. Średnia ruchoma pokazuje bardziej gładką krzywą niż rzeczywiste wartości, bardziej z dłuższym okresem dla średniej ruchomej, co czyni ją dobrym narzędziem do analizy trendów. Ten post na blogu pokaże, jak obliczyć średnią ruchomą w T-SQL. W zależności od wersji programu SQL Server będą stosowane różne metody. Poniższa tabela pokazuje efekt wygładzania (czerwona linia) z 200-dniową średnią kroczącą. Notowania giełdowe są niebieską linią. Długoterminowy trend jest wyraźnie widoczny. T-SQL Moving Avergage 200 dni Poniższa demonstracja wymaga bazy danych TAdb, którą można utworzyć za pomocą skryptu znajdującego się tutaj. W nadchodzącym przykładzie obliczymy średnią ruchomą z ostatnich 20 dni. W zależności od wersji SQL Server, będzie inna metoda wykonywania obliczeń. I, jak zobaczymy później, nowsze wersje SQL Server mają funkcje umożliwiające znacznie bardziej efektywne obliczenia. SQL Server 2017 i nowsze wersje Średnia ruchoma Ta wersja korzysta z funkcji zagregowanej okna. Co nowego w SQL 2017 to możliwość ograniczenia rozmiaru okna poprzez określenie liczby wierszy poprzedzających okno: Wiersze poprzedzające to 19, ponieważ uwzględnimy również bieżący wiersz w obliczeniach. Jak widać, obliczenie średniej ruchomej w SQL Server 2017 jest dość proste. Poniższy rysunek demonstruje zasadę okienkowania. Bieżący wiersz jest oznaczony kolorem żółtym. Okno jest oznaczone niebieskim tłem. Średnia ruchoma to po prostu średnia z QuoteClose w niebieskich liniach: T-SQL Średnie ruchome okno. Wyniki obliczeń w starszych wersjach SQL Server są takie same, więc nie będą ponownie wyświetlane. SQL Server 2005 8211 2008R2 Średnia ruchoma Ta wersja korzysta ze wspólnego wyrażenia tabelowego. CTE jest samo referencyjny, aby uzyskać ostatnie 20 wierszy dla każdego wiersza: Średnia ruchoma przed SQL Server 2005 Wersja przed 2005 używa lewego sprzężenia zewnętrznego do tej samej tabeli, aby uzyskać ostatnie 20 wierszy. Można powiedzieć, że zewnętrzna tabela zawiera okno, w którym chcemy obliczyć średnią: Porównywanie wyników Jeśli uruchomimy trzy różne metody jednocześnie i sprawdzimy wynikowy plan wykonania, występuje dramatyczna różnica w wydajności między metodami: Porównanie trzech różne metody obliczania średniej kroczącej Jak widać, ulepszenia funkcji okienkowania w SQL 2017 znacznie poprawiają wydajność. Jak wspomniano na początku tego postu, średnie ruchome są używane jako narzędzie do zilustrowania trendów. Wspólnym podejściem jest łączenie średnich ruchomych o różnych długościach, aby odpowiednio uwzględnić zmiany w krótko-, średnio - i długoterminowych trendach. Szczególnie interesujące jest przekraczanie linii trendu. Na przykład, gdy krótki trend porusza się w długim lub średnim trendzie, można to zinterpretować jako sygnał kupna w analizie technicznej. A kiedy krótki trend porusza się pod dłuższą linią trendu, można to zinterpretować jako sygnał sprzedaży. Poniższy wykres pokazuje Cytaty, Ma20, Ma50 i Ma200. Sygnały kupna i sprzedaży T-SQL Ma20, Ma50, Ma200. Ten wpis na blogu jest częścią serii o analizie technicznej, TA, w SQL Server. Zobacz inne posty tutaj. Wysłany przez Tomas LindThis jest pytanie Evergreen Joe Celko. Ignoruję, która platforma DBMS jest używana. Ale w każdym razie Joe był w stanie odpowiedzieć ponad 10 lat temu standardowym SQL. Cytat z Joe Celko SQL Puzzles and Answers: Ostatnia próba aktualizacji sugeruje, że możemy użyć predykatu do skonstruowania zapytania, które dałoby nam średnią ruchomą: Czy dodatkowa kolumna lub metoda zapytania są lepsze? Zapytanie jest technicznie lepsze, ponieważ podejście UPDATE będzie zdenormalizuj bazę danych. Jeśli jednak zapisane dane historyczne nie ulegną zmianie, a obliczanie średniej ruchomej jest kosztowne, można rozważyć zastosowanie podejścia opartego na kolumnach. Zapytanie dotyczące łamigłówek SQL: w każdym razie jednolite. Wystarczy rzucić do odpowiedniego kubełka wagi w zależności od odległości od aktualnego punktu czasowego. Na przykład limit wagi 1 dla punktów danych w ciągu 24 godzin od aktualnego punktu danych00 dla punktów danych w ciągu 48 godzin. W takim przypadku liczy się to, ile kolejnych punktów danych (np. 6:12 i 23:48) jest od siebie odległych. Przypadek użycia, o jakim myślę, byłby próbą wygładzenia histogramu wszędzie tam, gdzie punkty danych nie są wystarczająco gęste ndash msciwoj 27 maja 15 w 22:22 Nie jestem pewien, czy twój oczekiwany wynik (wynik) pokazuje klasyczną prostą ruchomą (toczącą się) średnią przez 3 dni. Ponieważ, na przykład, pierwsza potrójna liczba z definicji daje: ale oczekujesz 4,360 i jej mylące. Mimo to sugeruję następujące rozwiązanie, które wykorzystuje funkcję okienkową AVG. Takie podejście jest znacznie bardziej efektywne (jasne i mniej wymagające zasobów) niż SELF-JOIN wprowadzone w innych odpowiedziach (i jestem zaskoczony, że nikt nie dał lepsze rozwiązanie). Widzisz, że AVG jest opakowany w case, gdy rownum gt p. days następnie wymusza NULL w pierwszych wierszach, gdzie 3-dniowa średnia krocząca nie ma znaczenia. odpowiedziano 23 lutego 16 o 13:12 Możemy zastosować metodę brudnych lewych złączeń Joe Celkosa (cytowany powyżej przez Diego Scaravaggi), aby odpowiedzieć na pytanie, gdy zostało zadane. Generuje żądane dane wyjściowe: odpowiedź 16 stycznia 16 o 0:33 Twoja odpowiedź 2017 Stos Exchange, Inc
No comments:
Post a Comment