Teradata 学习笔记5
SQL有非常有限的日期运算功能，对日期运算比较困难。因此，有必要开发更
复杂的基于时间的计算工具，这就是开发系统日历的原因。系统日历与用户自己定
义的日历相比，最重要的一点是性能提高。
Teradata的系统日历涵盖200年的范围，没有性能问题。因为日历表仅仅按照
当前执行的查询物化所需要的实际行数据。
日历表的布局
系统日历包含从1900-01-01到2100-12-31的每天的数据，每天在表中都有一行
数据。
下面是系统日历可以访问的列：
calendar_date DATE UNIQUE (标准Teradata日期)
day_of_week BYTEINT, (1-7，星期几，1代表星期天)
day_of_month BYTEINT, (1-31，本月中的第几号)
day_of_year SMALLINT, (1-366，本年中的第几天)
day_of_calendar INTEGER, (从01/01/1900开始的天, 本日历中第几天)
weekday_of_month BYTEINT, (本月中该星期几出现的次数)
week_of_month BYTEINT, (本月中第几周，以星期天到星期六为一周。0，表
示月的第一个不完整的周；1表示月的第一个完整的周)
week_of_year BYTEINT, (0-53) (本年中第几周，0表示第一个不完整的周)
week_of_calendar INTEGER, (0-n) (本日历中的第几周，0表示第一个不完整的
周)
month_of_quarter BYTEINT, (1-3，本季度中第几月)
month_of_year BYTEINT, (1-12，本年中第几月)
month_of_calendar INTEGER, (1-n，本日历中第几月，从1900年1月起)
quarter_of_year BYTEINT, (1-4，本年中第几季度)
quarter_of_calendar INTEGER, (本日历中第几季度，从1900年1月起)
year_of_calendar SMALLINT, (年份，从1900起)
系统日历有下列特性：
! 基础表是Sys_calendar.Caldates
! 它只有一列"cdate"，数据类型是DATE
! 日历中的每个日期都有一行数据
! 唯一主索引(UPI)是"cdate"
! 每个视图都增加了一些智能的日期功能
SELECT *
FROM Sys_calendar.Calendar
WHERE calendar_date = current_date;
结果
calendar_date: 98/09/21
day_of_week: 2
day_of_month: 21
day_of_year: 264
day_of_calendar: 36058
weekday_of_month: 3
week_of_month: 3
week_of_year: 38
week_of_calendar: 5151
month_of_quarter: 3
month_of_year: 9
month_of_calendar: 1185
quarter_of_year: 3
quarter_of_calendar: 395
year_of_calendar: 1998
注：SELECT CURRENT_DATE是ANSI标准，等同于SELECT DATE。
使用日历
下面是使用日历的例子：
CREATE SET TABLE daily_sales ,NO FALLBACK
,NO BEFORE JOURNAL
,NO AFTER JOURNAL
(itemid INTEGER
,salesdate DATE FORMAT 'YY/MM/DD'
,sales DECIMAL(9,2))
PRIMARY INDEX ( itemid );
问题
显示1998年1季度item 10的销售总额。
解答
SELECT ,ds.itemid
,SUM(ds.sales)
FROM sys_calendar.calendar sc
,daily_sales ds
WHERE sc.calendar_date = ds.salesdate
AND sc.quarter_of_year = 1
AND sc.year_of_calendar = 1998AND ds.itemid = 10
GROUP BY 1;
结果
itemid Sum(sales)
10 4050.00
下面是使用日历的例子：
CREATE SET TABLE daily_sales ,NO FALLBACK
,NO BEFORE JOURNAL
,NO AFTER JOURNAL
(itemid INTEGER
,salesdate DATE FORMAT 'YY/MM/DD'
,sales DECIMAL(9,2))
PRIMARY INDEX ( itemid );
问题
获得item 10在当前月的销售额。
解答
SELECT SUM(ds.sales)
FROM sys_calendar.calendar sc
,daily_sales ds
,today td
WHERE sc.calendar_date = ds.salesdate
AND sc.month_of_calendar = td.month_of_calendar
AND ds.itemid = 10;
结果
Sum(sales)
2550.00
查询相对于今天的信息
连接视图"Today"，查询相对于今天的信息。下面是一个典型的例子。
问题
比较item 10在今年和去年的这个月和上个月的销售额。
解答
SELECT sc.year_of_calendar AS "year"
,sc.month_of_year AS "month"
,ds.itemid
,sum(ds.sales)
FROM sys_calendar.calendar sc
,daily_sales ds
,today td
WHERE sc.calendar_date = ds.salesdate
AND ((sc.month_of_calendar BETWEEN td.month_of_calendar - 1
AND td.month_of_calendar)
OR (sc.month_of_calendar BETWEEN td.month_of_calendar - 13
AND td.month_of_calendar - 12))
AND ds.itemid = 10
GROUP BY 1,2,3
ORDER BY 1,2;
结果
year month itemid Sum(sales)
1997 8 10 1950.00
1997 9 10 2100.00
1998 8 10 2200.00
1998 9 10 2550.00
分组结果
现在我们做前面同样的查询，但是按周分隔信息。我们在SELECT语句中增加
一列"Week of Month" 。
解答
SELECT sc.year_of_calendar AS "year"
分组结果
现在我们做前面同样的查询，但是按周分隔信息。我们在SELECT语句中增加
一列"Week of Month" 。
解答
SELECT sc.year_of_calendar AS "year"
,sc.month_of_year AS "month"
,sc.week_of_month AS "Week of//Month"
,ds.itemid
,SUM(ds.sales)
FROM sys_calendar.calendar sc
,daily_sales ds
,today td
WHERE sc.calendar_date = ds.salesdate
AND ((sc.month_of_calendar BETWEEN td.month_of_calendar - 1
AND td.month_of_calendar)
OR (sc.month_of_calendar BETWEEN td.month_of_calendar - 13
AND td.month_of_calendar - 12))
AND ds.itemid = 10
GROUP BY 1,2,3,4
ORDER BY 1,2,3;
结果
year month week_of_month itemid Sum(sales)
1997 8 0 10 350.00
1997 8 1 10 600.00
1997 8 2 10 550.00
1997 8 3 10 150.00
1997 8 4 10 200.00
1997 8 5 10 100.00
1997 9 0 10 750.00
1997 9 2 10 1000.00
1997 9 3 10 350.00
1998 8 0 10 150.00
1998 8 1 10 1050.00
1998 8 2 10 550.00
比较相关周
系统日历使用数字0到6表示每月的周。0，如果有的话，表示月的第一个不完
整的周；1表示月的第一个完整的周。
问题
显示item 10在上月第一个完整周和去年对应周的销售额。
解答
SELECT sc.year_of_calendar AS "year"
,sc.month_of_year AS "month"
,sc.week_of_month AS "Week of//Month"
,ds.itemid
,SUM(ds.sales)
FROM sys_calendar.calendar sc
,daily_sales ds
,today td
WHERE sc.calendar_date = ds.salesdate
AND sc.week_of_month = 1
AND ((sc.month_of_calendar = td.month_of_calendar - 1)
OR (sc.month_of_calendar = td.month_of_calendar - 13))
AND ds.itemid = 10
GROUP BY 1,2,3,4
ORDER BY 1,2;
结果
year month week_of_month itemid Sum(sales)
1997 8 1 10 600.00
1998 8 1 10 1050.00
按星期聚合
按照星期几来汇总数据是很常见的需求。系统日历具有这个能力，使用数字1
至7来表示星期，星期日是第一天。
问题
显示item 10在本月和上月所有星期日的销售额，并且日销售额应大于$150。
SELECT sc.calendar_date AS "date"
,sc.week_of_month AS "Week of//Month"
,'Sunday'
,ds.itemid
,SUM(ds.sales)
FROM sys_calendar.calendar sc
,daily_sales ds
,today td
WHERE sc.calendar_date = ds.salesdate
AND sc.day_of_week = 1
AND ((sc.month_of_calendar = td.month_of_calendar)
OR (sc.month_of_calendar = td.month_of_calendar - 1))
AND ds.itemid = 10
GROUP BY 1,2,3,4
HAVING SUM(ds.sales) > 150
ORDER BY 1,2;
结果
date Week_of_Month 'Sunday' itemid Sum(sales)
98/08/02 1 Sunday 10 200.00
98/09/06 1 Sunday 10 350.00
98/09/20 3 Sunday 10 450.00
98/09/27 4 Sunday 10 350.00
比较周
要比较周，需要使用"week_of_calendar"列。例子聚合了今年和去年本周和上
周的信息，当前周可以通过今天视图"today"获得。
问题
显示item 10在本周和上周及去年同期的销售额。
解答
SELECT sc.year_of_calendar as "year"
,sc.month_of_year as "month"
,sc.week_of_month as "week"
,ds.itemid
,sum(ds.sales)
FROM sys_calendar.calendar sc
,daily_sales ds
,today td
WHERE sc.calendar_date = ds.salesdate
AND ((sc.week_of_calendar BETWEEN td.week_of_calendar - 1
AND td.week_of_calendar)
OR (sc.week_of_calendar BETWEEN td.week_of_calendar - 53
AND td.week_of_calendar - 52))
AND ds.itemid = 10
GROUP BY 1,2,3,4
ORDER BY 1,2,3;
结果
year month week itemid Sum(sales)
1997 9 2 10 1000.00
1997 9 3 10 350.00
1998 9 2 10 550.00
1998 9 3 10 450.00
使用星期表
如果需要显示星期几的名称，那么应该使用一个星期表。先创建表，并增加
数据。以后的查询就可以连接这个表，产生所需的结果。
例：
创建星期表day_of_week，并增加数据。
CREATE TABLE day_of_week
(numeric_day INTEGER
,char_day CHAR(9)
)
UNIQUE PRIMARY INDEX (numeric_day);
INSERT INTO day_of_week VALUES (1, 'Sunday');
INSERT INTO day_of_week VALUES (2, 'Monday');
INSERT INTO day_of_week VALUES (3, 'Tuesday');
INSERT INTO day_of_week VALUES (4, 'Wednesday');
INSERT INTO day_of_week VALUES (5, 'Thursday');
INSERT INTO day_of_week VALUES (6, 'Friday');
INSERT INTO day_of_week VALUES (7, 'Saturday');
问题
显示item 10这周每天的平均销售额。
解答
SELECT dw.char_day "Day of// Week"
,AVG(ds.sales) avgsal
FROM daily_sales ds, sys_calendar.calendar sc , day_of_week dw
WHERE sc.calendar_date = ds.salesdate
AND sc.day_of_week = dw.numeric_day
GROUP BY 1;
结果
Day of Week avgsal
Thursday 250.00
Friday 272.22
Wednesday 350.00
Monday 275.00
Sunday 295.00
Tuesday 285.71
Saturday 325.00
OLAP函数
完成本章学习后，将能够：
! 使用标准SQL进行数据挖掘
! 在标准SQL中使用OLAP函数
! 执行统计方面的采样(samplings)、排队(rankings)和分位数(quantiles)
! 了解 OLAP统计函数
OLAP函数简介
OLAP即联机分析处理(On-Line Analytical Process)。Teradata数据库本身提供
了一些OLAP函数，包括：
RANK - 排队(Rankings)
QUANTILE - 分位数(Quantiles)
CSUM - 累计(Cumulation)
MAVG - 移动平均(Moving Averages)
MSUM - 移动合计(Moving Sums)
MDIFF - 移动差分(Moving Differences)
MLINREG - 移动线性回归(Moving Linear Regression)
OLAP函数与聚合函数有类似的地方：
! 对数据进行分组操作 (类似于GROUP BY 子句)
! 能够使用QUALIFY子句过滤组 (类似于HAVING 子句)
OLAP函数又与聚合函数不同，因为：
! 返回满足条件的每行的数据值，而不是组的值
! 不能在子查询内使用
OLAP函数可以对下面的数据库对象或动作使用：
! Tables (Perm, Temp, Derived)
! Views
! INSERT/SELECT
累计函数
累计函数(CSUM) 计算一列的连续的累计的值。语法为：
CSUM(colname, sort list)
表'daily_sales'在许多查询中都将使用，其定义如下。
CREATE SET TABLE daily_sales ,NO FALLBACK
,NO BEFORE JOURNAL
,NO AFTER JOURNAL
(itemid INTEGER
,salesdate DATE FORMAT 'YY/MM/DD'
,sales DECIMAL(9,2))
PRIMARY INDEX ( itemid );
问题
创建item 10从1998年1月和2月的连续的日汇总报表。
解答
SELECT salesdate, sales, csum(sales, salesdate)
FROM daily_sales
WHERE salesdate BETWEEN 980101 AND 980301
AND itemid = 10;
结果
salesdate sales Csum
98/01/01 150.00 150.00
98/01/02 200.00 350.00
98/01/03 250.00 600.00
98/01/05 350.00 950.00
98/01/10 550.00 1500.00
98/01/21 150.00 1650.00
98/01/25 200.00 1850.00
98/01/31 100.00 1950.00
98/02/01 150.00 2100.00
98/02/03 250.00 2350.00
98/02/06 350.00 2700.00
98/02/17 550.00 3250.00
98/02/20 450.00 3700.00
98/02/27 350.00 4050.00
在上面的报表中，每行都代表item 10一天的数据。注意，不是每天都销售了
item 10。最右边的列代表其在两个月内的累计销售额。
如果想每月重新累计，该怎么办？
累计汇总可以使用GROUP BY子句在特殊的点复位，即重新开始累计。注
意，OLAP函数和标准聚合函数(SUM, COUNT,AVG, MIN, MAX) 是不能在同一查
询中兼容的。因此，对这类查询使用GROUP BY，将会起分隔的作用。
问题
创建item 10从1998年1月和2月的连续的日汇总报表，并且每月重新开始累
计。
解答
SELECT salesdate, sales, csum(sales, salesdate)
FROM daily_sales ds, sys_calendar.calendar sc
WHERE ds.salesdate = sc.calendar_date
AND sc.year_of_calendar = 1998
AND sc.month_of_year in (1,2)
AND ds.itemid = 10
GROUP BY sc.month_of_year;
结果
salesdate sales Csum
98/01/01 150.00 150.00
98/01/02 200.00 350.00
98/01/03 250.00 600.00
98/01/05 350.00 950.00
98/01/10 550.00 1500.00
98/01/21 150.00 1650.00
98/01/25 200.00 1850.00
98/01/31 100.00 1950.00
98/02/01 150.00 150.00 重新累计
98/02/03 250.00 400.00
98/02/06 350.00 750.00
98/02/17 550.00 1300.00
98/02/20 450.00 1750.00
98/02/27 350.00 2100.00
要回答上面的问题，你需要得到年和月。连接到系统日历，可以获得月。
GROUP BY子句累计重新开始，告诉系统"当月改变时，累计值清零"。
移动平均函数
移动平均函数(MAVG) 基于预定的行数(查询宽度)计算一列的移动平均值。如
果行数小于这个宽度，则基于前面已有的行计算平均值。使用移动平均的语法是：
MAVG(colname, n, sortlist)
colname = 计算移动平均值的列
n = 行数(< 4096)，计算时将使用，包括当前行('n' 也称为平均宽度)
sortlist = 确定行顺序的列
问题
显示item 10基于7天宽度的移动平均值。
解答
SELECT salesdate,itemid, sales, MAVG(sales, 7, salesdate)
FROM daily_sales;
结果
salesdate itemid sales MAvg
98/01/01 10 150.00 150.00
98/01/02 10 200.00 175.00 前2行的平均值
98/01/03 10 250.00 200.00
98/01/05 10 350.00 237.50
98/01/10 10 550.00 300.00
98/01/21 10 150.00 275.00
98/01/25 10 200.00 264.29 前7行的平均值
98/01/31 10 100.00 257.14
98/02/01 10 150.00 250.00
98/02/03 10 250.00 250.00
98/02/06 10 350.00 250.00
98/02/17 10 550.00 250.00
98/02/20 10 450.00 292.86
计算时，使用当前行和前面n-1行。如果行数小于n-1，则使用前面所有行。缺
省，按照sortlist中的列升序排列。
移动汇总函数
移动汇总函数(MSUM) 基于预定的查询宽度计算一列的移动汇总值。宽度决
定有多少行合计到汇总值中。如果前面的行数小于n，则仅使用前面所有行。移动
汇总函数的语法是：
MSUM(colname, n, sortlist)
注意：'n'是一个整数，表示有多少行参加汇总求和。
问题
显示item 10基于3天宽度的移动汇总值。
解答
SELECT salesdate, itemid, sales, msum(sales, 3, salesdate)
FROM daily_sales;
结果
salesdate itemid sales MSum
98/01/01 10 150.00 150.00
98/01/02 10 200.00 350.00 前面2行的总和
98/01/03 10 250.00 600.00
98/01/05 10 350.00 800.00
98/01/10 10 550.00 1150.00
98/01/21 10 150.00 1050.00
98/01/25 10 200.00 900.00 前面3行的总和
98/01/31 10 100.00 450.00
98/02/01 10 150.00 450.00
98/02/03 10 250.00 500.00
98/02/06 10 350.00 750.00
98/02/17 10 550.00 1150.00
98/02/20 10 450.00 1350.00
98/02/27 10 350.00 1350.00
移动汇总(MSum)与移动平均(MAvg)有下列相同的规则：
! 使用当前行和前n-1行
! 如果行数小于n-1，使用前面所有的行
! 缺省按照sortlist中的列升序排列
移动差分函数
移动差分函数(MDIFF) 基于预定的查询宽度计算一列的移动差分值。宽度决
定有多少行参与计算。如果前面的行数小于n，则产生一个空值(null)代表差值。移
动差分函数的语法是：
MDIFF(colname, n, sortlist)
宽度n<=4096
问题
显示item 10基于3天宽度的移动差分值。
解答
SELECT salesdate, itemid, sales, mdiff(sales, 3, salesdate)
FROM daily_sales;
结果
salesdate itemid sales MDiff
98/01/01 10 150.00 ?
98/01/02 10 200.00 ?
98/01/03 10 250.00 ?
98/01/05 10 350.00 200.00 2行的差值
98/01/10 10 550.00 350.00
98/01/21 10 150.00 -100.00
98/01/25 10 200.00 -150.00
98/01/31 10 100.00 -450.00
98/02/01 10 150.00 .00
98/02/03 10 250.00 50.00 2行的差值
98/02/06 10 350.00 250.00
98/02/17 10 550.00 400.00
98/02/20 10 450.00 200.00
98/02/27 10 350.00 .00
Mdiff列的值表示某日销售额与三天前日销售额的差。
MDIFF的用法与MAvg 和MSum 有一些不同：
! 使用当前行和前面的第n行
! 如果前面没有第n行，返回空值(null)
! 缺省按照sortlist 中的列升序排列
排队函数
准备数据表
在数据库Customer_Service中增加一个销售表，后面的OLAP查询将使用这个
表。
表定义
CREATE TABLE salestbl
(storeid INTEGER,
prodid CHAR(1),
sales DECIMAL(9,2));
表中数据为：
storeid prodid sales
1001 A 100000.00
1001 C 60000.00
1001 D 35000.00
1001 F 150000.00
1002 A 40000.00
1002 C 35000.00
1002 D 25000.00
1003 A 30000.00
1003 B 65000.00
1003 C 20000.00
1003 D 50000.00
简单排队
排队函数对一列进行排队，可以按照升序或者降序排队。缺省，输出结果按
照降序排队，对应的排队名次是升序。换句话说，如果一个销售代表在某季度的销
售额最高，其排名为1，这是一个最小的值。
排队函数(RANK)的语法是：
RANK(colname)
这里，colname表示排队的列名，其结果降序排列。
问题
显示商店1001的产品销售额排队。
解答
SELECT storeid, prodid, sales, RANK(sales)
FROM salestbl
WHERE storeid = 1001;
结果
storeid prodid sales Rank
1001 F 150000.00 1
1001 A 100000.00 2
1001 C 60000.00 3
1001 D 35000.00 4
如上所示，列Rank的最大值代表最低的销售额。
使用排队函数的规则包括：
! WHERE子句限定参与排队的记录。
! 应用排队函数时，缺省最大的数名次最低。
! 缺省顺序是按排队列的降序。
带限定的排队
QUALIFY子句限制排队输出的最终结果。QUALIFY子句与HAVING子句类
似，使输出限制在一定范围内。
问题
按商店得到销售前3名的产品。
解答
SELECT storeid, prodid, sales, rank(sales)
FROM salestbl
GROUP BY storeid
QUALIFY rank(sales) <= 3;
结果
storeid prodid sales Rank
1001 A 100000.00 1
1001 C 60000.00 2
1001 D 35000.00 3
1002 A 40000.00 1
1002 C 35000.00 2
1002 D 25000.00 3
1003 B 65000.00 1
1003 D 50000.00 2
1003 A 30000.00 3
上面的例子中，GROUP BY子句不是做聚合，它实际上是改变查询的范围，
也引起排序。
使用排队函数的规则包括：
! 对某列的每行都应用了排队
! GROUP BY子句控制范围，如商店内的销售额排队(注意- 查询中并没有聚
合)
排队中的变化
GROUP BY子句可以和RANK函数一起使用，改变排队的范围。没有GROUP
BY子句，缺省的范围是排队的列。前面的例子中，范围是销售额，排队是基于销
售额进行的。
排队的列是缺省的排序列，GROUP BY子句增加了一级排序。
缺省排序 - 按排队列降序
次排序 - 按GROUP BY中的列升序
问题
得到前3名的销售额 - 任何商店、任何产品。
解答
SELECT storeid
,prodid
,sales
,rank(sales)
FROM salestbl
GROUP BY storeid, prodid
QUALIFY RANK(sales) <= 3
;
结果
storeid prodid sales Rank
1001 A 100000.00 1
1001 C 60000.00 1
1001 D 35000.00 1
1001 F 150000.00 1
1002 A 40000.00 1
1002 C 35000.00 1
1002 D 25000.00 1
1003 A 30000.00 1
1003 B 65000.00 1
1003 C 20000.00 1
1003 D 50000.00 1
排名都是1的原因是使用了GROUP BY子句，范围变成了商店内的产品的销售
额。因为每种产品在一个商店中只有一种，所以排名都是1。
现在去掉GROUP BY子句，范围变成了缺省的销售额。
现在去掉GROUP BY子句，范围变成了缺省的销售额。
解答
SELECT storeid
,prodid
,sales
,rank(sales)
FROM salestbl
QUALIFY RANK(sales) <= 3
;
结果
storeid prodid sales Rank
1001 F 150000.00 1
1001 A 100000.00 2
1003 B 65000.00 3
带聚合的排队
由于上面的原因，OLAP函数与聚合函数在同一查询内不兼容，否则将引起二
意性。替代的办法，是使用导出表(derived)或临时表来解决这类问题。临时表包含
聚合信息，再对临时表进行OLAP查询。
问题
获得销售额在前3名的产品，跨所有商店。
解答
SELECT t.prodid, t.sumsales, RANK(t.sumsales)
FROM (SELECT a.prodid, sum(a.sales) FROM salestbl a
GROUP BY 1) AS t(prodid, sumsales)
QUALIFY RANK(sumsales) <= 3;
注意：'t' 是一个从salestbl产生的导出表，包含两列：prodid and sumsales。
结果
prodid Sumsales Rank
A 170000.00 1
C 115000.00 2
D 110000.00 3
缺省顺序是按照列sumsales的降序。这里主查询中没有GROUP BY子句，范围
是Sumsales。
问题
获得销售额在最后3名的产品，跨所有商店。
解答
SELECT t.prodid, t.sumsales, RANK(t.sumsales)
FROM (SELECT a.prodid, sum(a.sales)
FROM salestbl a
GROUP BY 1) AS t(prodid, sumsales)
QUALIFY RANK(sumsales ASC) <= 3;
结果
prodid sumsales Rank
B 65000.00 5
D 110000.00 4
C 115000.00 3
注意：名次可能大于3。
这个查询与前面的唯一区别是QUALIFY子句中的sumsales为升序。为什么会
得到大于3的结果呢？
答案是按sumsales的升序(sumsales ASC) 排列后，会给我们最底下的3行数据。
QUALIFY子句的意思是‘按销售额升序排列，得到前3行数据’。
解答
SELECT t.prodid, t.sumsales, rank(t.sumsales)
FROM (SELECT a.prodid, sum(a.sales) FROM salestbl a
GROUP BY 1) as t(prodid, sumsales)
QUALIFY RANK(sumsales asc) <= 3;
结果
prodid sumsales Rank
B 65000.00 5
D 110000.00 4
C 115000.00 3
现在做同样的查询，这次包括ORDER BY子句。
问题
得到销售最差的3种产品，跨所有商店，并按照产品号(prodid)排序。
解答
SELECT t.prodid, t.sumsales, rank(t.sumsales)
FROM (SELECT a.prodid, sum(a.sales) from salestbl a
GROUP BY 1) as t(prodid, sumsales)
QUALIFY RANK(sumsales asc) <= 3
ORDER BY 1;
结果
Prodid sumsales Rank
B 65000.00 5
C 115000.00 3
D 110000.00 4
看上面的结果，同样的3行数据，但顺序不一样。ORDER BY子句中的列成为
主排序列。
分位数函数
分位数用于将一组记录分成大致相等的部分。最常见的分位数是百分位数(基
于100)，也有4分位数 (基于4)、3分位数 (基于3) 和10分位数 (基于10)。注意，缺省
地，分位数的列和值都按升序输出。
可以使用ORDER BY子句重新排序。如前所述，聚合函数不能和OLAP函数混
合使用，如果要使用聚合函数，可以使用导出表或临时表。分位数函数的语法是：
QUANTILE (quantile_constant,sortlist)
quantile_constant = 定义分位数大小的常量。
sortlist = 用于分割和排序的列。
问题
显示产品销售额的百分位。
解答
SELECT t.prodid, t.sumsales, QUANTILE (100,sumsales)
FROM (SELECT a.prodid, sum(a.sales) from salestbl a
GROUP BY 1) as t(prodid, sumsales);
注： 宽度= 100，分位数的范围是0-99 。
结果
prodid sumsales Quantile
B 65000.00 0
D 110000.00 20
C 115000.00 40
F 150000.00 60
A 170000.00 80
上述查询使用导出表(derived table)进行聚合，使用缺省的分位数升序排序。可
以使用ORDER BY子句重新排序。总共有5个产品，所以等分为20% 。
问题
显示销售额的百分位数为60+的产品。
解答
SELECT t.prodid, t.sumsales, QUANTILE(100,sumsales)
FROM (SELECT a.prodid, sum(a.sales) from salestbl a
GROUP BY 1) as t(prodid, sumsales)
QUALIFY QUANTILE(100,sumsales) >= 60;
结果
prodid sumsales Quantile
F 150000.00 60
A 170000.00 80
分位与聚合
下面第一个查询返回公司内薪水在前25%的雇员。第二个查询得到薪水前25%
的雇员的薪水的总和，解决办法是通过使用导出表，混合聚合函数和OLAP函数。
问题
显示公司前25%的所有员工的薪水。
解答
SELECT salary_amount, QUANTILE (100, salary_amount)
FROM employee
QUALIFY QUANTILE (100, salary_amount) >=75;
结果
salary_amount Quantile
53625.00 76
54000.00 80
56500.00 84
57700.00 88
66000.00 92
100000.00 96
问题
计算公司前25%的薪水的总和。
解答1
SELECT sum(salary_amount)
FROM employee QUALIFY QUANTILE (100, salary_amount) >= 75;
结果
****Error - Can't mix stat functions with aggregates***
解答2
SELECT sum(sals)
FROM (SELECT salary_amount from employee
QUALIFY QUANTILE(100, salary_amount) >= 75)
temp(sals);
结果
Sum(sals)
387825.00
分位与排序
下面的例子中，分位数函数表示如下：
QUANTILE (100, salary_amount, employee_number)
这里 ‘employee_number’ 是用于处理有相同薪水员工的情形。记住，
‘salary_amount’ (缺省是DESC) 告诉我们salary_amount将与分位数值一样降序排
序。使用employee_number，进一步保证在相同薪水的情况下，employee_number
将与分位数值一样降序排序。
问题
显示薪水最低的25%的所有员工。
解答1
SELECT employee_number, salary_amount,
QUANTILE (100, salary_amount , employee_number)
FROM employee
QUALIFY QUANTILE (100, salary_amount) < 25;
结果
employee_number salary_amount Quantile
1014 24500.00 03
1013 24500.00 00
1001 25525.00 07
1023 26500.00 11
1008 29250.00 15
1006 29450.00 19
1009 31000.00 23
移动线性回归函数
移动线性回归函数MLINREG基于一个序列数据对得到一个预测值。序列对包
含一个独立的变量和一个依赖的变量。MLINREG函数基于前面的n对数预测依赖
变量的值。n叫做宽度。
MLINREG 的语法是：
MLINREG (y, n, x)
函数基于前面n-1行计算y值。y是依赖变量。x是独立变量，也是排序值。x和y
都必须是数字列，不能是日期。宽度n必须>=3 且<=4096。
例1
给出序列对x 和y的集合，使用线性回归预测y值，宽度是3。
解答
SELECT x, y, MLINREG(y, 3, x)
FROM linreg;
给出序列对x 和y的集合，使用线性回归预测y值，宽度是6。
解答
SELECT x, y, MLINREG(y, 6, x)
FROM linreg;
头两行总是空值(null)，结果的线性依赖于两个变量的线性。缺省的顺序是按
列 (x)的升序。可以使用ORDER BY重新排序。
线性回归是一个数学算法，其公式为：
按日期预测
移动线性回归函数的一个限制是不能使用日期作为独立变量。因为计算回归
需要使用加法、减法和乘法，对DATE 数据类型运算有问题。
一种解决办法是与系统日历做连接，用day_of_year 列代替日期，如果产生基
于月的结果，也可以使用month_of_year列。
注意GROUP BY子句会引起函数复位，GROUP BY子句也是主要的排序键，
独立变量是次要的排序键。
在移动线性回归函数中使用日期，可以使用CAST把他们转换成CHAR类型，
从而作为非日期类型使用。
问题
使用线性回归算法预测items 10 和11在1998年头两周的日销售额，宽度为5。
解答
SELECT itemid, CAST(salesdate as char(10)) as chardate, sales
,mlinreg(sales, 5, chardate)
FROM jan_sales
WHERE salesdate between 980101 and 980114
AND itemid in (10,11)
GROUP BY 1
;
结果
itemid chardate sales MLinReg
10 98/01/01 150.00 ?
10 98/01/02 200.00 ?
10 98/01/03 250.00 250.00
10 98/01/04 350.00 300.00
10 98/01/05 550.00 400.00
10 98/01/06 150.00 625.00
10 98/01/07 200.00 300.00
10 98/01/08 100.00 100.00
10 98/01/09 150.00 -75.00
10 98/01/10 250.00 125.00
10 98/01/11 350.00 225.00
10 98/01/12 550.00 425.00
10 98/01/13 450.00 650.00
10 98/01/14 350.00 600.00
11 98/01/01 350.00 ? 复位
11 98/01/02 100.00 ?
11 98/01/03 450.00 -150.00
11 98/01/05 250.00 600.00
11 98/01/06 350.00 475.00
11 98/01/07 200.00 250.00
11 98/01/08 150.00 100.00
11 98/01/09 250.00 125.00
11 98/01/10 450.00 150.00
11 98/01/11 550.00 475.00
11 98/01/12 250.00 700.00
11 98/01/13 350.00 400.00
11 98/01/14 350.00 250.00
上面的内容有些需要注意：
! GROUP BY子句引起线性回归算法复位
! GROUP BY子句优先排序
! DATE数据类型需要转换成CHAR类型
采样函数
采样函数SAMPLE用于从表或视图中产生一些样本数据。有两种形式：
! 基于实际的行数
! 基于表的百分比
SAMPLE n - 这里n是一个整数。如果表中记录数>=n，将产生n行记录；如果
表中记录数
SAMPLE n - 这里n 是一个小数，并且0.00
样26 * .25 = 6.50 = 6 行记录。
例1
SELECT department_number
FROM employee
SAMPLE 10;
结果
****Query completed. 10 rows found.
department_number
401
401
403
401
301
401
403
402
401
401
注意：这里没有使用DISTINCT子句，仅仅任意抽取10行记录。
例2
SELECT department_number
FROM employee
SAMPLE .25;
结果
****Query completed. 6 rows found.
department_number
403
401
402
301
501
403
使用导出表(derived table)进行采样。
SELECT COUNT(DISTINCT dept)
FROM
(SELECT department_number from employee sample 13)
temp(dept);
结果 - 第一次执行
Count(Distinct(dept))
6
结果 - 第二次执行
Count(Distinct(dept))
5
两次运行结果不一样，原因是导出表是采样产生的13行记录，DISTINCT是基
于导出表而不是整个雇员表。
OLAP统计函数
Teradata V2R4中增加了一些OLAP统计函数。
一元统计函数包括：
STDDEV_SAMP, STTDEV_POP, VAR_SAMP, VAR_POP, SKEW, KURTOSIS
二元统计函数包括：
CORR, COVAR_POP, REGR_SLOPE, REGR_INTERCEPT
OLAP统计函数的特点包括：
! 能够使用GROUP BY产生分组。
! 可以与聚合函数混合使用。
! 不能与其他OLAP函数混合使用。
标准偏差函数
样本标准偏差
STDDEV_SAMP ({DISTINCT} value_expression)
! Value_expression是计算样本标准偏差的列表达式。
! 返回 value_expression的样本标准偏差。
! 从给的样本中计算差量。
STDDEV_SAMP(x)的计算公式如下：
STDDEV_SAMP = SQRT((COUNT(x) * SUM(x**2) - (SUM(x))**2/(COUNT(x)
* (COUNT(x) - 1)))
全体标准偏差
STDDEV_POP ({DISTINCT} value_expression)
! Value_expression是计算全体标准偏差的列表达式。
! 返回 value_expression的全体标准偏差。
! 从全体数据中计算差量。
STDDEV_POP(x)的计算公式如下：
STDDEV_POP = SQRT((COUNT(x) * SUM(x**2) - (SUM(x))**2/(COUNT(x) *
(COUNT(x)**2 - 1)))
变异函数
样本变异函数
VARSAMP ({DISTINCT} value_expression)
! Value_expression是计算样本变异的列表达式。
! 返回 value_expression的样本变异。
! 从给的样本或样本标准偏差的平方中计算差量。
VAR_SAMP(x)的计算公式如下：
VAR_SAMP = (COUNT(x) * SUM(x**2) - (SUM(x))**2/(COUNT(x) *
(COUNT(x) - 1))
全体变异函数
VAR_POP ({DISTINCT} value_expression)
! Value_expression是计算全体变异的列表达式。
! 返回 value_expression的全体变异。
! 从全体数据中计算差量。
VAR_POP(x)的计算公式如下：
VAR_POP = (COUNT(x) * SUM(x**2) - (SUM(x))**2/(COUNT(x) *
(COUNT(x)**2))
分布函数
分布歪斜函数
SKEW ({DISTINCT} value_expression)
! Value_expression是计算分布歪斜的列表达式。
! 返回 value_expression的分布歪斜。
! 测量数据分布的不对称，与正常分布(歪斜值为0)进行比较。
! 正歪斜值指示朝正方向的不对称。
! 负歪斜值指示朝负方向的不对称。
SKEW(x)的计算公式如下：
SKEW = (COUNT(x) /((COUNT(x) - 1) * (COUNT(x) 2)) * SUM(((x - AVG(x))/
STDDEV_SAMP(x))**3
分布峰态函数
KURTOSIS ({DISTINCT} value_expression)
! Value_expression是计算分布峰态的列表达式。
! 返回 value_expression的分布峰态。
! 测量数据分布的高峰或平缓，与正常分布(峰态值为0)进行比较。
! 正峰态值指示朝正方向的峰值。
! 负峰态值指示朝负方向的峰值。
KURTOSIS(x)的计算公式如下：
KURTOSIS = (COUNT(x) * (COUNT(x) + 1) * (COUNT(x) - 2) * (COUNT(x) -
3)) * SUM((x - AVG(x)) / STDDEV_SAMP(x))*4 - 3* (COUNT(x) - 1)**2 /
((COUNT(x) - 2) * (COUNT(x) - 3))
相关性和协方差函数
协方差函数
COVAR_POP (value_expression, value_expression)
! Value_expression是计算协方差的一对列表达式。
! 返回数据对的协方差。
! 是数据对的平均背离乘积。
COVAR_POP(x,y)的计算公式如下：
COVAR_POP = SUM((x - AVG(x)) * (y - AVG(y)))/COUNT(x)
相关性函数
CORR (value_expression, value_expression)
! Value_expression是相关的一对列表达式。
! 返回数据对的皮尔森积(Pearson product)。
! 是测量变量之间的非因果的线性联系(non-causal linear association)。
CORR(x,y)的计算公式如下：
CORR = COVAR_POP(x,y) / (STDDEV_SAMP (x) * STDDEV_SAMP(y))
线性回归函数
回归倾斜函数
REG_SLOPE (value_expression1, value_expression2)
! Value_expression1是独立变量。
! Value_expression2 是依赖变量。
! 基于独立变量和依赖变量返回线性回归的倾斜(slope)值。
! 测试独立变量在依赖变量上的变化率。
REG_SLOPE(x,y)的计算公式如下：
REG_SLOPE = (COUNT(x) * SUM(x) * SUM(Y)) / (COUNT(x) * (SUM(x**2)) -
SUM(x)**2)
回归截取函数
REG_INTERCEPT (value_expression1, value_expression2)
! Value_expression1是独立变量。
! Value_expression2 是依赖变量。
! 基于独立变量和依赖变量返回线性回归的截取(intercept)值。
! 是回归线与纵坐标的截取点。
REG_INTERCEPT(x,y)计算公式如下：
REG_INTERCEPT= AVG(y) - (REGR_SLOPE(x,y) * AVG(x))