SQL 按年月求平均值

可以使用 GROUP BY 和 AVG 函数来实现按年月求平均值的 SQL 查询。例如，假设有一个名为 `sales` 的表，它有三个字段：`id`、`date` 和 `amount`，其中 `date` 列包含销售日期的时间戳。以下是一个按年月求平均销售额的 SQL 查询示例：

SELECT DATE_FORMAT(date, '%Y-%m') AS year_month, AVG(amount) AS avg_sales
FROM sales
GROUP BY year_month
ORDER BY year_month;

这个查询将 `date` 列的时间戳格式化为年月字符串，并使用 `AVG` 函数计算每个年月的平均销售额。`GROUP BY` 子句将结果按年月分组，`ORDER BY` 子句按年月排序。

相关问题

SQL 按班级，年月求平均值

假设表中有三个字段：`id`、`class`、`date` 和 `score`，其中 `class` 列为班级名称，`date` 列为考试日期的时间戳，`score` 列为考试得分。以下是一个按班级和年月求平均得分的 SQL 查询示例：

SELECT class, DATE_FORMAT(date, '%Y-%m') AS year_month, AVG(score) AS avg_score
FROM table_name
GROUP BY class, year_month
ORDER BY class, year_month;

这个查询使用 `GROUP BY` 子句将结果按班级和年月分组，使用 `AVG` 函数计算每个班级在每个年月的平均得分。`ORDER BY` 子句按班级和年月排序。

spark Sql自定义 udaf 求平均值

以下是使用Spark SQL自定义UDAF求平均值的示例代码：

from pyspark.sql.functions import pandas_udf, PandasUDFType
from pyspark.sql.types import DoubleType
import pandas as pd

# 定义自定义UDAF函数
@pandas_udf(DoubleType(), PandasUDFType.GROUPED_AGG)
def my_avg_udaf(v: pd.Series) -> float:
    return v.mean()

# 使用自定义UDAF函数求平均值
df.groupBy("group_id").agg(my_avg_udaf(df["value"]).alias("avg_value")).show()

其中，`df`是一个DataFrame对象，包含两列数据：`group_id`和`value`。首先，我们使用`groupBy`方法按照`group_id`进行分组，然后使用`agg`方法调用自定义UDAF函数`my_avg_udaf`，并将结果命名为`avg_value`。最后，使用`show`方法展示结果。