两个变量

Question

计算平均我有一个表像如下：

VisitorID Product   VisitDayBeforePurchase 
1   Product1   0 
2   Product2   1 
3   Product3   2 
1   Product1   2 
3   Product2   2 
3   Product3   2 

VisitorID始终是唯一的每个客人，visitDayBeforePurchase表示，如果他们在购买之前来到网站X天。我想要做的是制作一份声明，将表格转换成类似这样的内容。

Product Day0 Day1 Day2 
Product1 1  0  1 
Product2 0  1  2 
Product3 0  0  2 

本质上，我希望看到有人在购买特定产品前X天访问网站的平均访问次数。即访问前每天每个产品的总和（访问次数）/总和（uniqueVisitors）

我只是要从表1下载数据并编写一个脚本来计算这一点，但我想知道是否有办法做这在SQL中。

如果有人能指出我在正确的方向，将不胜感激。

Answer 1

对于已知的一些列的你描述表 - 这实际上不是一个平均，它是一个计数 - 可以使用IF做到：

SELECT Product, 
     SUM(IF(VisitDayBeforePurchase = 0, 1, 0)) AS Day0, 
     SUM(IF(VisitDayBeforePurchase = 1, 1, 0)) AS Day1, 
     SUM(IF(VisitDayBeforePurchase = 2, 1, 0)) AS Day2 
FROM yourtable 
GROUP BY Product; 

从本质上讲，我想查看某人在购买特定产品前X天访问网站的平均访问次数。即访问前每天每件产品的总和（访问次数）/总和（唯一访问者）

这是一个不同的请求。您可以通过添加（或更换）列

SELECT Product, 
     AVG(VisitDayBeforePurchase) AS AverageDays 
FROM yourtable 
GROUP BY Product; 

这给大家做这个（你可以看到它在行动here）。

SELECT Product, 
     SUM(IF(VisitDayBeforePurchase = 0, 1, 0)) AS Day0, 
     SUM(IF(VisitDayBeforePurchase = 1, 1, 0)) AS Day1, 
     SUM(IF(VisitDayBeforePurchase = 2, 1, 0)) AS Day2, 
     AVG(VisitDayBeforePurchase) AS AverageDays 
FROM yourtable 
GROUP BY Product; 

占多的游客

一言以蔽之：它的复杂，也许最好不要在所有完成。假设我们有一个产品被同一个访问者浏览两次（或更多），那么我们不希望将这些作为单独访问计数。如果先生。 X三天两天访问该网站，在购买当天，我们该怎么办？

乍一看，我们可能认为只计算了最近的访问。但是我们会得到一个明显的意外后果：因为您必须访问该网站才能购买该网站上的项目，那么最后访问之前购买是访问，因此您购买，所以它将永远是购买之前的零天。在相同的小时和分钟，甚至可能。虽然有可能考虑上次访问，但这会给我们带来无价值的结果。

考虑第一访问还有一个能够眺望重复购买的意想不到的后果，使我们的最好重复的客户实际上将被视为是最diddling和优柔寡断。

所以一个人必须要考虑的，例如，仅一天的时间间隔实际上SUM表格，并然后做一些事情：

VisitorID  ProductID  VDBeforeP 
42    137    3 
42    137    2 
41    137    2 

但做什么？如果我们只考虑一个记录访客42，我们做什么我们最终得到的结果不正确，平均过于乐观或平均过于悲观。我们可以考虑用户42的平均，这给2.5用户42重量（而不是）一个，所以在用“蛮力平均”比较（上解），我们那种认为回头客少一点。

要做到这一点，我们使用SUBSELECT：我们得到只有一个旅客及产品的平均数据为每个数据点

SELECT VisitorID, Product, AVG(VisitDayBeforePurchase) AS VisitDayBeforePurchase 
    FROM visits GROUP BY VisitorID, Product; 

，这将产生一个表格式同为原单，但平均数据。 它永远不会工作，因为原始查询只验证整数天数，而2.5既不是2也不是3.所以我们必须做出乐观或悲观的修正;这是乐观的

SELECT VisitorID, Product, FLOOR(AVG(VisitDayBeforePurchase)) AS VisitDayBeforePurchase 
    FROM visits GROUP BY VisitorID, Product; 

而悲观会使用FLOOR(1.0+AVG...。妥协将使用ROUND。

现在我们重复查询：

SELECT Product, 
    SUM(IF(V = 0, 1, 0)) AS Day0, 
    SUM(IF(V = 1, 1, 0)) AS Day1, 
    SUM(IF(V = 2, 1, 0)) AS Day2, 
    AVG(BetterV) AS AverageDays 
FROM (
    SELECT VisitorID, 
      Product, 
      ROUND(AVG(VisitDayBeforePurchase)) AS V, 
      AVG(VisitDayBeforePurchase) AS BetterV 
    FROM visits GROUP BY VisitorID, Product 
) AS grouped 
    GROUP BY Product; 

A working example can be also found here

的map-reduce

要在地图，减少环境中运行上面的你就需要两个阶段：一个地图阶段直接输出VisitorID，Product和VisitDayBeforePurchase，以及一个按关键字（VisitorID，Product）分组的reduce阶段，并输出这些和V（和BetterV？）计算结果。

这得到了一个新的减少阶段，执行V的平均值。