如何在SQL中计算斜率

Question

我在sql数据库中有一些数据，我想计算斜率。数据具有以下布局：

Date        |  Keyword  |  Score    
2012-01-10  |  ipad     |  0.12    
2012-01-11  |  ipad     |  0.17    
2012-01-12  |  ipad     |  0.24    
2012-01-10  |  taco     |  0.19    
2012-01-11  |  taco     |  0.34    
2012-01-12  |  taco     |  0.45    

我希望通过使用SQL创建新表来使最终输出看起来像这样：

Date        |  Keyword  |  Score |  Slope    
2012-01-10  |  ipad     |  0.12  |  0.06    
2012-01-11  |  ipad     |  0.17  |  0.06    
2012-01-12  |  ipad     |  0.24  |  0.06    
2012-01-10  |  taco     |  0.19  |  0.13    
2012-01-11  |  taco     |  0.34  |  0.13    
2012-01-12  |  taco     |  0.45  |  0.13

为了使事情复杂化，并非所有的关键字都有3个日期，例如，有些只有2个。

SQL越简单越好，因为我的数据库是专有的，并且我不确定是否可以使用哪些公式，尽管我知道它可以执行OVER（PARTITION BY）。谢谢！

更新：我将斜率定义为最佳拟合y = mx + p，在excel中，它是= slope（）

这是我通常在excel中处理的另一个实际示例：

date        keyword         score       slope   
1/22/2012   water bottle    0.010885442 0.000334784  
1/23/2012   water bottle    0.011203949 0.000334784  
1/24/2012   water bottle    0.008460835 0.000334784  
1/25/2012   water bottle    0.010363991 0.000334784  
1/26/2012   water bottle    0.011800716 0.000334784  
1/27/2012   water bottle    0.012948411 0.000334784  
1/28/2012   water bottle    0.012732459 0.000334784  
1/29/2012   water bottle    0.011682568 0.000334784  

Answer 1

我能做的最干净的一个：

SELECT
    Scores.Date, Scores.Keyword, Scores.Score,
    (N * Sum_XY - Sum_X * Sum_Y)/(N * Sum_X2 - Sum_X * Sum_X) AS Slope
FROM Scores
INNER JOIN (
    SELECT
        Keyword,
        COUNT(*) AS N,
        SUM(CAST(Date as float)) AS Sum_X,
        SUM(CAST(Date as float) * CAST(Date as float)) AS Sum_X2,
        SUM(Score) AS Sum_Y,
        SUM(Score*Score) AS Sum_Y2,
        SUM(CAST(Date as float) * Score) AS Sum_XY
    FROM Scores
    GROUP BY Keyword
) G ON G.Keyword = Scores.Keyword;

它使用Simple Linear Regression来计算斜率。

结果：

Date         Keyword        Score         Slope
2012-01-22   water bottle   0,010885442   0,000334784345222076
2012-01-23   water bottle   0,011203949   0,000334784345222076
2012-01-24   water bottle   0,008460835   0,000334784345222076
2012-01-25   water bottle   0,010363991   0,000334784345222076
2012-01-26   water bottle   0,011800716   0,000334784345222076
2012-01-27   water bottle   0,012948411   0,000334784345222076
2012-01-28   water bottle   0,012732459   0,000334784345222076
2012-01-29   water bottle   0,011682568   0,000334784345222076

每个数据库系统似乎都有不同的方法将日期转换为数字：

• MySQL： TO_SECONDS(date)或TO_DAYS(date)
• Oracle： TO_NUMBER(TO_CHAR(date, 'J'))或date - TO_DATE('1','yyyy')
• MS SQL Server： CAST(date AS float)（或等效的CONVERT）

Answer 2

如果您将坡度定义为从最早点到最新点的坡度，并且分数仅随日期增加，那么您可以通过以下方式获得上面的输出：

SELECT *
  FROM scores
  JOIN
    (SELECT foo.keyword,
            (MAX(score)-MIN(score)) / DATEDIFF(MAX(date),MIN(date)) AS score
     FROM scores
     GROUP BY keyword) a
  USING(keyword);

但是，如果要进行线性回归，或者分数会随着时间的增加而减少或增加，则需要更复杂的东西。

Answer 3

从小数点到小数对我来说并不能给出正确的结果，它与日期不是线性的。改用TO_DAYS(date_field)，这变得正确。

Answer 4

使用此SUM（CONVERT（float，datediff（dd，'1/1/1900'，date_field）））代替SUM（CAST（date_field as float））