Nano Hash - криптовалюты, майнинг, программирование

PostgreSQL - получить количество разных лет из столбца даты

У меня есть таблица PostgreSQL с сотнями строк, каждая из которых содержит значение в столбце date_creation (тип date).

Значения выглядят следующим образом:

2010-04-26
2008-08-18
2015-11-11
2010-10-20
2010-03-23
2015-04-08

Теперь я хотел бы узнать, как часто встречается каждый год.

например в приведенном выше примере 2010 встречается 3 раза, 2015 встречается 2 раза, 2008 встречается 1 раз

Первая часть, как получить отличные годы от даты, отлично работает:

SELECT
DISTINCT DATE_PART('year', CAST(date_creation AS DATE)) AS years_available
FROM metadata
WHERE date_creation is not NULL

Но я не могу понять, как узнать, как часто бывает год.

Я нашел здесь различные ответы, в которых используется COUNT, и хотя на первый взгляд они кажутся логичными, ни один из них не вернет ничего полезного. Я предполагаю, что он связан с запросом, включающим оператор DISTINCT.

postgresql sql date count group-by
15.07.2020

Ответы:


1

Использовать агрегацию:

SELECT DATE_PART('year', date_creation::date) AS year, count(*)
FROM metadata
WHERE date_creation is not NULL
GROUP BY year;

Конечно, если это строка, строковые операции проще:

SELECT LEFT(date_creation, 4) as year, COUNT(*)
FROM metadata
WHERE date_creation is not NULL
GROUP BY year;
15.07.2020

2

Использовать агрегацию:

select extract(year from date_creation), count(*) cnt
from metadata
where date_creation is not null
group by 1

Обратите внимание, что нет необходимости приводить к date, поскольку вы объяснили, что значение уже имеет правильный тип данных.

15.07.2020
Новые материалы
Кластеризация: более глубокий взгляд
Кластеризация — это метод обучения без учителя, в котором мы пытаемся найти группы в наборе данных на основе некоторых известных или неизвестных свойств, которые могут существовать. Независимо от..
Как написать эффективное резюме
Предложения по дизайну и макету, чтобы представить себя профессионально Вам не позвонили на собеседование после того, как вы несколько раз подали заявку на работу своей мечты? У вас может..
Частный метод Python: улучшение инкапсуляции и безопасности
Введение Python — универсальный и мощный язык программирования, известный своей простотой и удобством использования. Одной из ключевых особенностей, отличающих Python от других языков, является..
Как я автоматизирую тестирование с помощью Jest
Шутка для победы, когда дело касается автоматизации тестирования Одной очень важной частью разработки программного обеспечения является автоматизация тестирования, поскольку она создает..
Работа с векторными символическими архитектурами, часть 4 (искусственный интеллект)
Hyperseed: неконтролируемое обучение с векторными символическими архитектурами (arXiv) Автор: Евгений Осипов , Сачин Кахавала , Диланта Хапутантри , Тимал Кемпития , Дасвин Де Сильва ,..
Понимание расстояния Вассерштейна: мощная метрика в машинном обучении
В обширной области машинного обучения часто возникает необходимость сравнивать и измерять различия между распределениями вероятностей. Традиционные метрики расстояния, такие как евклидово..
Обеспечение масштабируемости LLM: облачный анализ с помощью AWS Fargate и Copilot
В динамичной области искусственного интеллекта все большее распространение получают модели больших языков (LLM). Они жизненно важны для различных приложений, таких как интеллектуальные..