Question

我要查询的是在给定日期范围内全天平均每小时的旅行次数。

使用时间戳数据的这两个函数之间到底有什么区别，有人可以解释为什么num_trips列中的第一个值不同吗？见下文

   (
   SELECT EXTRACT(HOUR FROM trip_start_timestamp) AS hour_of_day, 
   trip_seconds, trip_miles
   FROM `bigquery-public-data.chicago_taxi_trips.taxi_trips`
   WHERE EXTRACT(DATE FROM trip_start_timestamp) >= '2017-01-01'
   AND EXTRACT(DATE FROM trip_start_timestamp) < '2017-07-01'
           AND trip_seconds > 0 
           AND trip_miles > 0
       )
       SELECT hour_of_day, 
       COUNT(1) as num_trips,
       (3600 * SUM(trip_miles) / SUM(trip_seconds)) as avg_mph
               FROM RelevantRides1
               GROUP BY hour_of_day
               ORDER BY hour_of_day

   (
   SELECT EXTRACT(HOUR FROM trip_start_timestamp) AS hour_of_day, 
   trip_miles, trip_seconds
   FROM `bigquery-public-data.chicago_taxi_trips.taxi_trips`
                   WHERE trip_start_timestamp > '2017-01-01' AND 
                         trip_start_timestamp < '2017-07-01' AND 
                         trip_seconds > 0 AND 
                         trip_miles > 0
         )
         SELECT hour_of_day, 
         COUNT(1) AS num_trips, 
         3600 * SUM(trip_miles) / SUM(trip_seconds) AS avg_mph
             FROM RelevantRides
             GROUP BY hour_of_day
             ORDER BY hour_of_day

我希望两个查询都返回相同的结果，但是当我打印数据框时，第一个查询在一天的第一小时内为num_trips提供了不同的结果，其中我使用了Extract，其余的结果完全相同。

Answer 1

我认为问题出在trip_start_timestamp > '2017-01-01'
要纠正差异，您应该使用trip_start_timestamp >= '2017-01-01'

下面的简化示例重现了问题

#standardSQL
WITH `project.dataset.table` AS (
  SELECT CURRENT_TIMESTAMP() trip_start_timestamp UNION ALL
  SELECT TIMESTAMP_TRUNC(TIMESTAMP_SUB(CURRENT_TIMESTAMP(), INTERVAL 1 DAY), DAY) UNION ALL
  SELECT TIMESTAMP_SUB(CURRENT_TIMESTAMP(), INTERVAL 2 DAY)
)
SELECT trip_start_timestamp
FROM `project.dataset.table`
WHERE trip_start_timestamp > '2019-08-12'

返回

Row trip_start_timestamp     
1   2019-08-13 05:04:34.747114 UTC

同时

SELECT trip_start_timestamp
FROM `project.dataset.table`
WHERE trip_start_timestamp >= '2019-08-12'

返回

Row trip_start_timestamp     
1   2019-08-13 05:05:38.784956 UTC   
2   2019-08-12 00:00:00 UTC

Answer 2

因此，我无法运行原始示例，因为如果尝试使用Syntax error: Unexpected keyword SELECT at [10:8]表将查询复制粘贴到新项目中，则会得到一个bigquery-public-data.chicago_taxi_trips。就是说，我将尝试使用给定的第一个选择语句来回答...

用户Mikhail Berlyant给出了部分解决方案，即您将>=和>混合在一起，因此您有两个不同的查询并将苹果与橙子进行比较。

如果运行以下查询，您将注意到返回的记录数相同。

SELECT count(*) from
 (
  SELECT 
    EXTRACT(HOUR FROM trip_start_timestamp) AS hour_of_day, 
    trip_seconds, trip_miles
  FROM `bigquery-public-data.chicago_taxi_trips.taxi_trips`
  WHERE EXTRACT(DATE FROM trip_start_timestamp) >= '2017-01-01'
    AND EXTRACT(DATE FROM trip_start_timestamp) < '2017-07-01'
    AND trip_seconds > 0 
    AND trip_miles > 0
 ) t;
-- returns 11460748

SELECT count(*) from 
(
   SELECT EXTRACT(HOUR FROM trip_start_timestamp) AS hour_of_day, 
   trip_miles, trip_seconds
   FROM `bigquery-public-data.chicago_taxi_trips.taxi_trips`
  WHERE trip_start_timestamp >= '2017-01-01' 
    AND trip_start_timestamp < '2017-07-01'  
    AND trip_seconds > 0 AND 
    trip_miles > 0
) t1
-- returns 11460748

但是，如果您在两端都进行>，则不会得到相同的结果。（11409890与11460748，那么为什么呢？那是因为当您使用EXTRACT(DATE FROM trip_start_timestamp)时，您需要在比较之前对字段进行底线设置。例如：

select '2017-01-01 00:15:00' > '2017-01-01'; --true
select extract(date from timestamp '2017-01-01 00:15:00'); --2017-01-01
select extract(date from timestamp '2017-01-01 00:15:00') > '2017-01-01'; --false

在第一句话中，我们说2017-01-01 00:15:00大于2017-01-01 00:00:00（暗示着额外的小时/分钟/秒的精度）
在第二个语句中，您将看到您的价值底限（隐含精度的2017-01-01或2017-01-01 00:00:00）
当我们将底值与隐含精度2017-01-01 00:00:00> 2017-01-01 00:15:00的给定值和因数进行比较时，您返回false，因此您排除了同一天的任何记录。 2017-01-01 06:15:00，2017-01-01 22:15:00等

我建议使用here中提供的最小，可重现，可行的示例文档。

SQL查询：EXTRACT（DATE FROM时间戳）与WHERE时间戳之间的差异

2 个答案: