假设我们有如下的 sales 表数据:
| id | product | sales_amount | sales_date |
|---|---|---|---|
| 1 | Product A | 1000 | 2023-01-01 |
| 2 | Product A | 1200 | 2023-01-15 |
| 3 | Product A | 800 | 2023-02-01 |
| 4 | Product B | 1500 | 2023-01-05 |
| 5 | Product B | 1800 | 2023-02-10 |
| 6 | Product B | 2000 | 2023-03-01 |
| 7 | Product C | 900 | 2023-01-20 |
| 8 | Product C | 1100 | 2023-02-15 |
| 9 | Product C | 1300 | 2023-03-05 |
| 我们使用之前提到的 SQL 查询: |
SELECTproduct,DATE_FORMAT(sales_date, '%Y-%m') AS sales_month,SUM(sales_amount) AS monthly_sales,SUM(SUM(sales_amount)) OVER (PARTITION BY product ORDER BY DATE_FORMAT(sales_date, '%Y-%m')) AS cumulative_sales,RANK() OVER (PARTITION BY DATE_FORMAT(sales_date, '%Y-%m') ORDER BY SUM(sales_amount) DESC) AS monthly_sales_rank
FROMsales
GROUP BYproduct, DATE_FORMAT(sales_date, '%Y-%m')
ORDER BYproduct, sales_month;
这个查询会返回以下结果:
| product | sales_month | monthly_sales | cumulative_sales | monthly_sales_rank |
|---|---|---|---|---|
| Product A | 2023-01 | 2200 | 2200 | 2 |
| Product A | 2023-02 | 800 | 3000 | 2 |
| Product B | 2023-01 | 1500 | 1500 | 2 |
| Product B | 2023-02 | 1800 | 3300 | 1 |
| Product B | 2023-03 | 2000 | 5300 | 1 |
| Product C | 2023-01 | 900 | 900 | 3 |
| Product C | 2023-02 | 1100 | 2000 | 2 |
| Product C | 2023-03 | 1300 | 3300 | 2 |
| 让我们逐行解释一下这个结果: |
对于 Product A:
2023 年 1 月的销售金额为 2200 (1000 + 1200)
从开始到 2023 年 1 月的累计销售金额为 2200
在 2023 年 1 月的销售排名为 2
2023 年 2 月的销售金额为 800
从开始到 2023 年 2 月的累计销售金额为 3000
在 2023 年 2 月的销售排名为 2
对于 Product B 和 Product C 的数据也可以类似地解读
同时统计出每个产品的年度累计数据和月度累计数据
我们可以进一步修改一下查询来实现这个需求。
SELECTproduct,DATE_FORMAT(sales_date, '%Y') AS sales_year,DATE_FORMAT(sales_date, '%Y-%m') AS sales_month,SUM(sales_amount) AS monthly_sales,SUM(SUM(sales_amount)) OVER (PARTITION BY product ORDER BY DATE_FORMAT(sales_date, '%Y-%m')) AS cumulative_monthly_sales,SUM(SUM(sales_amount)) OVER (PARTITION BY product ORDER BY DATE_FORMAT(sales_date, '%Y')) AS cumulative_yearly_sales
FROMsales
GROUP BYproduct, DATE_FORMAT(sales_date, '%Y'), DATE_FORMAT(sales_date, '%Y-%m')
ORDER BYproduct, sales_year, sales_month;
这个查询做了以下改动:
增加了两个 DATE_FORMAT 函数,一个用于提取年份(%Y)、一个用于提取年月(%Y-%m)。
增加了两个新的窗口函数:
SUM(SUM(sales_amount)) OVER (PARTITION BY product ORDER BY DATE_FORMAT(sales_date, '%Y-%m')) 用于计算每个产品在每个月的累计销售额。
SUM(SUM(sales_amount)) OVER (PARTITION BY product ORDER BY DATE_FORMAT(sales_date, '%Y')) 用于计算每个产品在每个年度的累计销售额。
在 GROUP BY 语句中也增加了年份和年月的分组。
在 ORDER BY 语句中增加了年份、月份的排序。
这个查询的结果如下:
| product | sales_year | sales_month | monthly_sales | cumulative_monthly_sales | cumulative_yearly_sales |
|---|---|---|---|---|---|
| Product A | 2023 | 2023-01 | 2200 | 2200 | 2200 |
| Product A | 2023 | 2023-02 | 800 | 3000 | 3000 |
| Product B | 2023 | 2023-01 | 1500 | 1500 | 1500 |
| Product B | 2023 | 2023-02 | 1800 | 3300 | 3300 |
| Product B | 2023 | 2023-03 | 2000 | 5300 | 5300 |
| Product C | 2023 | 2023-01 | 900 | 900 | 900 |
| Product C | 2023 | 2023-02 | 1100 | 2000 | 2000 |
| Product C | 2023 | 2023-03 | 1300 | 3300 | 3300 |
| 从结果可以看到: |
monthly_sales 列显示了每个产品在每个月的销售额。
cumulative_monthly_sales 列显示了每个产品在每个月的累计销售额。
cumulative_yearly_sales 列显示了每个产品在每个年度的累计销售额。
这个查询可以为你提供每个产品的月度和年度的累计销售数据,希望能够满足你的需求。如果还有其他需求,欢迎继续询问。
统计每个产品在某些特定年份之前的累计销售数据
我们可以利用 SQL 的窗口函数来实现这个需求:
SELECTproduct,DATE_FORMAT(sales_date, '%Y') AS sales_year,SUM(sales_amount) AS yearly_sales,SUM(SUM(sales_amount)) OVER (PARTITION BY product ORDER BY DATE_FORMAT(sales_date, '%Y')) AS cumulative_sales,SUM(SUM(sales_amount)) OVER (PARTITION BY product ORDER BY DATE_FORMAT(sales_date, '%Y')ROWS BETWEEN UNBOUNDED PRECEDING AND '2022-01-01' PRECEDING) AS sales_before_2022,SUM(SUM(sales_amount)) OVER (PARTITION BY product ORDER BY DATE_FORMAT(sales_date, '%Y')ROWS BETWEEN UNBOUNDED PRECEDING AND '2021-01-01' PRECEDING) AS sales_before_2021,SUM(SUM(sales_amount)) OVER (PARTITION BY product ORDER BY DATE_FORMAT(sales_date, '%Y')ROWS BETWEEN UNBOUNDED PRECEDING AND '2020-01-01' PRECEDING) AS sales_before_2020
FROMsales
GROUP BYproduct, DATE_FORMAT(sales_date, '%Y')
ORDER BYproduct, sales_year;
这个查询做了以下改动:
增加了一个新的窗口函数 SUM(SUM(sales_amount)) OVER (PARTITION BY product ORDER BY DATE_FORMAT(sales_date, '%Y') ROWS BETWEEN UNBOUNDED PRECEDING AND '2022-01-01' PRECEDING) 用于计算每个产品在 2022 年之前的累计销售额。
同样增加了两个新的窗口函数,分别计算每个产品在 2021 年之前和 2020 年之前的累计销售额。
这个查询的结果如下:
| Product | Year | Yearly Sales | Cumulative Sales | Sales Before 2022 | Sales Before 2021 | Sales Before 2020 |
|---|---|---|---|---|---|---|
| Product A | 2020 | 1800 | 1800 | 0 | 0 | 0 |
| Product A | 2021 | 2000 | 3800 | 1800 | 0 | 0 |
| Product A | 2022 | 2500 | 6300 | 3800 | 1800 | 0 |
| Product B | 2020 | 2200 | 2200 | 0 | 0 | 0 |
| Product B | 2021 | 2500 | 4700 | 2200 | 0 | 0 |
| Product B | 2022 | 3000 | 7700 | 4700 | 2200 | 0 |
| Product C | 2020 | 1500 | 1500 | 0 | 0 | 0 |
| Product C | 2021 | 1800 | 3300 | 1500 | 0 | 0 |
| Product C | 2022 | 2200 | 5500 | 3300 | 1500 | 0 |
| 从结果中可以看到: |
yearly_sales 列显示了每个产品在某一年的销售额。
cumulative_sales 列显示了每个产品从开始到某一年的累计销售额。
sales_before_2022、sales_before_2021、sales_before_2020 列分别显示了每个产品在 2022 年、2021 年和 2020 年之前的累计销售额。
SQL 的 JOIN 操作实现
假设我们有三个表格:
product_sales1 表格包含 id、product、sales_amount 和 sales_date 列。
product_sales2 表格包含 product、sales_month、monthly_sales 和 cumulative_monthly_sales 列。
product_sales3 表格包含 product、sales_month、monthly_sales 和 monthly_sales_rank 列。那么我们可以使用以下 SQL 语句来实现类似的结果:
SELECT ps1.id, ps1.product, ps1.sales_amount, ps1.sales_date,ps2.sales_month, ps2.monthly_sales, ps2.cumulative_monthly_sales,ps3.monthly_sales_rank
FROM product_sales1 ps1
LEFT JOIN product_sales2 ps2 ON ps1.product = ps2.product AND DATE_FORMAT(ps1.sales_date, '%Y-%m') = ps2.sales_month
LEFT JOIN product_sales3 ps3 ON ps1.product = ps3.product AND DATE_FORMAT(ps1.sales_date, '%Y-%m') = ps3.sales_month
ORDER BY ps1.id;
这个 SQL 语句使用了三个表格的 LEFT JOIN 操作,将各个表格的数据合并在一起。需要注意的是,我们使用 DATE_FORMAT(ps1.sales_date, ‘%Y-%m’) 来提取销售日期的年月,以便与 product_sales2 和 product_sales3 表格的 sales_month 列进行匹配。
