Oracle分析函数model使用时需要注意的几个地方(一)
程序员文章站
2022-05-05 09:59:55
...
分析函数中的model函数功能强大,对于做数据分析的人来说绝对是一个利器。
我曾经用model函数改写了数十个用存储过程实现的报表取数,一个SQL语句就完全替代了一个上百行代码的存储过程,而且报表口径也完成了统一,这一点在我另外一篇文章中做了详细说明:
基于model函数建设口径统一的统计指标库
虽然model函数很强大,但刚接触的时候还是不免有很多需要留意的地方,一不小心就会发现统计结果与预想的不一样。这里罗列几个方面并给出解决方案:
0.样例数据
--基础数据表
desc T_SALEAMOUNT
Name Type Nullable Default Comments
-------- ------------ -------- ------- --------
YEARMON DATE Y 年月
PRODTYPE VARCHAR2(20) Y 产品类型
QUANTITY NUMBER(10) Y 数量
AMOUNT NUMBER(12,2) Y 金额
--样例数据中有3个月的数据
select distinct yearmon from T_SALEAMOUNT order by 1;
YEARMON
-----------
2018/1/1
2018/2/1
2018/3/1
--6种产品类型
select distinct PRODTYPE from T_SALEAMOUNT;
PRODTYPE
--------------------
阳春面
啤酒
蛋炒饭
王老吉
泡饭
饮料
1.RETUNR UPDATED ROWS语句的作用
model后加了这个子句后,会过滤掉原来的所有记录,只留下model组合的数据,比如不加return updated rows的结果如下:
SQL> select * from T_SALEAMOUNT
2 model
3 partition by (yearmon)
4 dimension by (prodtype)
5 measures (amount)
6 (
7 amount['主食']=sum(amount)[prodtype in('阳春面','蛋炒饭','泡饭')]
8 )
9 /
YEARMON PRODTYPE AMOUNT
----------- -------------------- ----------
2018/3/1 饮料 43348
2018/3/1 蛋炒饭 6366
2018/3/1 王老吉 20524
2018/3/1 主食 19088
2018/2/1 饮料 15923
2018/1/1 饮料 19506
2018/2/1 阳春面 26640
.......(省略)
加了return updated rows后,只剩下【主食】一种:
SQL> select * from T_SALEAMOUNT
2 model return updated rows
3 partition by (yearmon)
4 dimension by (prodtype)
5 measures (amount)
6 (
7 amount['主食']=sum(amount)[prodtype in('阳春面','蛋炒饭','泡饭')]
8 )
9 /
YEARMON PRODTYPE AMOUNT
----------- -------------------- ----------
2018/3/1 主食 19088
2018/1/1 主食 87670
2018/2/1 主食 33610
2.节点数据的处理
假设prodtype是有上下级关系的,其中“饮料”包括“啤酒”和“王老吉”,那么统计一下数量:
SQL> select * from t_saleamount where yearmon=date'2018-03-01'
2 model
3 partition by(yearmon)
4 dimension by (prodtype)
5 measures(amount,quantity)
6 (quantity['饮料']=sum(quantity)[prodtype in('啤酒','王老吉')]
7 ,amount['饮料']=sum(amount)[prodtype in('啤酒','王老吉')]);
YEARMON PRODTYPE AMOUNT QUANTITY
----------- -------------------- ---------- ----------
2018/3/1 饮料 31988 9655
2018/3/1 阳春面 7787 7296
2018/3/1 啤酒 11464 3785
2018/3/1 泡饭 4935 5738
2018/3/1 蛋炒饭 6366 9671
2018/3/1 王老吉 20524 5870
而实际数据中是有人添加了一些prodtype=’饮料’的节点数据,“饮料”类的总数应该是9687。
因此,在写model的时候,需要把根节点也统计进去,这种场景主要是出现在自动生成的model语句时,in子句里面的内容往往是通过一个树形字典表connect by 取出来组装的,此时需要记住把根节点放进去。
当然,放进去以后虽然总数是对了,但是又引发了一个新的问题:
总数和子类的合计值不匹配:
两者兼顾的方法只能是把合计值单列为另外一个名称,比如:
SQL> select * from t_saleamount where yearmon=date'2018-03-01' and prodtype in('啤酒','王老吉','饮料')
2 model
3 partition by(yearmon)
4 dimension by (prodtype)
5 measures(amount,quantity)
6 (quantity['饮料(小计)']=sum(quantity)[prodtype in('啤酒','王老吉','饮料')]
7 ,amount['饮料(小计)']=sum(amount)[prodtype in('啤酒','王老吉','饮料')]);
YEARMON PRODTYPE AMOUNT QUANTITY
----------- -------------------- ---------- ----------
2018/3/1 饮料 43348 32
2018/3/1 啤酒 11464 3785
2018/3/1 王老吉 20524 5870
2018/3/1 饮料(小计) 75336 9687