在SQL中如何一直获取前一天的的数据，直到数据不为空

在SQL中，如果你想要获取某个字段（如日期）前一天的数据，并持续查询直到找到非空值，通常需要结合窗口函数 `LEAD()` 或者自连接来实现。这里是一个基本的例子，假设我们有一个名为 `sales` 的表，其中包含 `date` 和 `amount` 字段：

WITH recursive_series AS (
  SELECT date, amount, 
    -- 如果当前日期有前一日期的数据，则lead(amount)将返回上一天的amount，否则为NULL
    LEAD(amount, 1, NULL) OVER (ORDER BY date) AS previous_amount,
    ROW_NUMBER() OVER (ORDER BY date) as row_num
  FROM sales
)
SELECT *
FROM recursive_series
WHERE amount IS NOT NULL AND (row_num = 1 OR previous_amount IS NOT NULL)
ORDER BY date;

这个查询首先创建了一个递归公共表表达式（CTE），然后从最早的记录开始，逐行检查前一天的 `amount` 是否存在。如果不存在，它将继续向前查找，直到找到第一个非空值或者达到第一条记录。

相关问题

在daily数据库遍历所有表格，所有表格有特殊字符，都需要加反引号 对于每个表格，查询net_mf_amount列的数据，按照trade_date降序排列 对查询结果进行pandas计算，a和b列均已存在，不需要判断，对net_mf_amount列的今天的减去前一天的数据放在a列， 将a列的值今天的减去前一天的数据放在b列，如果a和b之前计算过，则跳过计算下一个值，如果前一天数据为null则一直向前找直到有不为null的值，如果今天的值为null，则不计算，直到今天的值不为null, 保存a和b列的值 继续处理下一个表格，直到处理完所有表格

好的，我明白你的问题了。这是一个关于数据库查询和数据计算的问题，需要进行一些编程来解决。

首先，我们需要连接到数据库，并获取所有表格的名称。然后，我们使用反引号将表格名称包装起来，以便可以在包含特殊字符的表格名称上运行查询。

接下来，我们可以使用循环来遍历所有表格，并对每个表格运行查询。我们可以使用pandas来处理查询结果，并将计算后的值存储在a和b列中。

在计算过程中，我们需要检查a和b列之前是否已经计算过。我们还需要检查前一天的数据是否为null，并一直向前查找直到找到不为null的值。如果今天的值为null，则不计算，直到今天的值不为null。

最后，我们将处理后的结果保存到数据库中，并继续处理下一个表格，直到处理完所有表格。

下面是一个示例代码，可以作为参考：

import pandas as pd
import pymysql

# 连接到数据库
conn = pymysql.connect(host='localhost', user='user', password='password', database='database')

# 获取所有表格的名称
cursor = conn.cursor()
cursor.execute("SHOW TABLES")
tables = cursor.fetchall()

# 遍历所有表格
for table in tables:
    table_name = table[0]
    table_name_quoted = '`' + table_name + '`'

    # 查询net_mf_amount列的数据
    query = "SELECT trade_date, net_mf_amount FROM " + table_name_quoted + " ORDER BY trade_date DESC"
    df = pd.read_sql_query(query, conn)

    # 计算a和b列
    a_column = []
    b_column = []
    for i in range(len(df)):
        if i == 0:
            a_column.append(None)
            b_column.append(None)
        else:
            if pd.notnull(df.iloc[i]['net_mf_amount']) and pd.notnull(df.iloc[i-1]['net_mf_amount']):
                if i-2 >= 0:
                    if pd.notnull(df.iloc[i-2]['net_mf_amount']):
                        a = df.iloc[i]['net_mf_amount'] - df.iloc[i-1]['net_mf_amount']
                        b = df.iloc[i]['net_mf_amount'] - df.iloc[i-2]['net_mf_amount']
                        a_column.append(a)
                        b_column.append(b)
                    else:
                        j = i-3
                        while j >= 0:
                            if pd.notnull(df.iloc[j]['net_mf_amount']):
                                a = df.iloc[i]['net_mf_amount'] - df.iloc[i-1]['net_mf_amount']
                                b = df.iloc[i]['net_mf_amount'] - df.iloc[j]['net_mf_amount']
                                a_column.append(a)
                                b_column.append(b)
                                break
                            j -= 1
                else:
                    a = df.iloc[i]['net_mf_amount'] - df.iloc[i-1]['net_mf_amount']
                    b = None
                    a_column.append(a)
                    b_column.append(b)
            else:
                a_column.append(None)
                b_column.append(None)

    # 将结果保存到数据库
    cursor.execute("ALTER TABLE " + table_name_quoted + " ADD COLUMN a DECIMAL(10,2)")
    cursor.execute("ALTER TABLE " + table_name_quoted + " ADD COLUMN b DECIMAL(10,2)")
    for i in range(len(df)):
        cursor.execute("UPDATE " + table_name_quoted + " SET a=%s, b=%s WHERE trade_date=%s", (a_column[i], b_column[i], df.iloc[i]['trade_date']))
    conn.commit()

# 关闭连接
cursor.close()
conn.close()

请注意，这只是一个示例代码，具体实现可能因数据库类型和表格结构而异。因此，你需要根据实际情况进行修改和调整。

在basic数据库中读取stock_basic表格的ts_code列的数据作为表名，给表名加反引号才可以查找 在daily数据库遍历所有表格，对于每个表格 查询net_mf_amount列的数据，按照trade_date降序排列 对查询结果进行pandas计算，a和b列均已存在，不需要判断，对net_mf_amount列的前一天的数据减去今天的数据放在a列， 将a列的值前一天的数据减去今天的数据放在b列，如果a和b之前计算过，则跳过计算下一个值 保存a和b列的值 继续处理下一个表格，直到处理完所有表格，，代码报错ProgrammingError: Duplicate column name 'a'

好的，我理解了你的问题。根据你所提供的问题，我可以为你提供以下代码作为参考：

import pandas as pd
import pymysql

# 建立连接
basic_conn = pymysql.connect(host='localhost', port=3306, user='root', password='123456', db='basic')
daily_conn = pymysql.connect(host='localhost', port=3306, user='root', password='123456', db='daily')

# 获取basic数据库中的表名
cursor = basic_conn.cursor()
cursor.execute("SELECT ts_code FROM stock_basic")
tables = cursor.fetchall()

# 遍历所有表格
for table in tables:
    table_name = table[0]
    sql = f"SELECT net_mf_amount, trade_date FROM `{table_name}` ORDER BY trade_date DESC"
    cursor = daily_conn.cursor()
    cursor.execute(sql)
    data = cursor.fetchall()
    df = pd.DataFrame(list(data), columns=['net_mf_amount', 'trade_date'])
    
    # 对查询结果进行pandas计算
    if 'a' not in df.columns and 'b' not in df.columns:
        df['a'] = df['net_mf_amount'].shift(1) - df['net_mf_amount']
        df['b'] = df['a'].shift(1) - df['a']
    else:
        continue
    
    # 保存a和b列的值
    cursor = daily_conn.cursor()
    try:
        cursor.execute(f"ALTER TABLE `{table_name}` ADD COLUMN a FLOAT")
        cursor.execute(f"ALTER TABLE `{table_name}` ADD COLUMN b FLOAT")
    except:
        pass
    
    for index, row in df.iterrows():
        a_value = row['a']
        b_value = row['b']
        trade_date = row['trade_date']
        cursor.execute(f"UPDATE `{table_name}` SET a = {a_value}, b = {b_value} WHERE trade_date = '{trade_date}'")
    
    daily_conn.commit()

# 关闭连接
cursor.close()
basic_conn.close()
daily_conn.close()

这段代码会首先连接basic数据库，获取stock_basic表格中的ts_code列的数据作为表名。然后，它会连接daily数据库，并遍历所有表格，对于每个表格查询net_mf_amount列的数据，按照trade_date降序排列。接着，它会对查询结果进行pandas计算，将a和b列的值保存到数据库中，并继续处理下一个表格，直到处理完所有表格。最后，关闭连接。

需要注意的是，如果在计算过程中出现了“Duplicate column name 'a'”这个错误，可能是因为之前已经执行过保存a和b列的操作，可以在保存之前，先判断一下df中是否已经存在a和b列，如果已经存在，则跳过计算下一个值。