Wie verwende ich die MySQL-Datenbank für die Zeitreihenanalyse?

Wie verwende ich die MySQL-Datenbank für die Zeitreihenanalyse?

Zeitreihendaten beziehen sich auf eine Sammlung von Daten, die in zeitlicher Reihenfolge angeordnet sind und zeitliche Kontinuität und Korrelation aufweisen. Die Zeitreihenanalyse ist eine wichtige Datenanalysemethode, mit der zukünftige Trends vorhergesagt, zyklische Veränderungen entdeckt, Ausreißer erkannt usw. werden können. In diesem Artikel stellen wir Ihnen zusammen mit Codebeispielen vor, wie Sie eine MySQL-Datenbank für die Zeitreihenanalyse verwenden.

1. Datentabelle erstellen

Zuerst müssen wir eine Datentabelle erstellen, um Zeitreihendaten zu speichern. Unter der Annahme, dass es sich bei den Daten, die wir analysieren möchten, um Tagesverkäufe handelt, können wir eine Datentabelle mit dem Namen „Umsätze“ erstellen, die drei Felder enthält: Datum, Verkäufe und Verkaufsvolumen.

CREATE TABLE sales ( date DATE, revenue DECIMAL(10,2), quantity INT );

2. Beispieldaten einfügen

Als nächstes müssen wir einige Beispieldaten in die Datentabelle für die Zeitreihenanalyse einfügen. Angenommen, wir haben die folgenden Beispieldaten:

Datum Verkäufe Verkäufe
2019-01-01 100,00 10
2019-01-02 150,00 15
2019-01-03 200,00 20
...

Wir können den folgenden Code verwenden, um Daten werden in die Datentabelle eingefügt:

INSERT INTO sales (date, revenue, quantity) VALUES ('2019-01-01', 100.00, 10), ('2019-01-02', 150.00, 15), ('2019-01-03', 200.00, 20);

3. Zeitreihendaten abfragen

Sobald wir die Beispieldaten eingefügt haben, können wir SQL-Abfragen verwenden, um die Zeitreihendaten zu extrahieren und zu analysieren. Hier sind einige häufig verwendete Abfragebeispiele:

• Verkäufe innerhalb eines bestimmten Zeitraums abfragen:

SELECT date, revenue FROM sales WHERE date BETWEEN '2019-01-01' AND '2019-01-31';

• Durchschnittliche Verkäufe pro Tag berechnen:

SELECT date, AVG(revenue) FROM sales GROUP BY date;

• Finden Sie den Tag mit den höchsten Verkäufen:

SELECT date, revenue FROM sales ORDER BY revenue DESC LIMIT 1;

• Statistik von der monatliche Gesamtumsatz:

SELECT DATE_FORMAT(date, '%Y-%m') AS month, SUM(revenue) FROM sales GROUP BY month;

4. Zeitreihenanalysefunktion

Zusätzlich zu regulären SQL-Abfragen bietet MySQL auch einige integrierte Funktionen für eine erweiterte Zeitreihenanalyse. Hier sind einige Beispiele für häufig verwendete Funktionen:

• Gleitenden Durchschnitt berechnen:

SELECT date, revenue, AVG(revenue) OVER (ORDER BY date ROWS BETWEEN 2 PRECEDING AND CURRENT ROW) FROM sales;

• Jährliche Umsatzwachstumsrate berechnen:

SELECT date, revenue, (revenue - LAG(revenue) OVER (ORDER BY date)) / LAG(revenue) OVER (ORDER BY date) AS growth_rate FROM sales;

• Ausreißer im Umsatz erkennen:

SELECT date, revenue, IF(ABS(revenue - AVG(revenue) OVER ()) > 3 * STDDEV(revenue) OVER (), 'Anomaly', 'Normal') AS status FROM sales;

Mit diesen Funktionen können wir Folgendes durchführen Zeitreihenanalyse bequemer.

Zusammenfassung

In diesem Artikel werden die grundlegenden Schritte zur Verwendung der MySQL-Datenbank für die Zeitreihenanalyse vorgestellt und einige Beispiele für SQL-Abfragen und Beispiele für integrierte Funktionen bereitgestellt. Wenn Sie diese Techniken beherrschen, können Sie Zeitreihendaten besser verstehen und nutzen und verborgene Muster und Trends aufdecken.

Das obige ist der detaillierte Inhalt vonWie verwende ich die MySQL-Datenbank für die Zeitreihenanalyse?. Für weitere Informationen folgen Sie bitte anderen verwandten Artikeln auf der PHP chinesischen Website!