如何形成允许给定最大间隙的连续日期组？

Question

给定一个像这样的表：

人物ID	联系日	最后联系天数	破折号组
1	2015-02-09		1
1	2015-05-01	81	2
1	2015-05-02	1	2
1	2015-05-03	1	2
1	2015-06-01	29	3
1	2015-08-01	61	4
1	2015-08-04	3	4
1	2015-09-01	28	5
2	2015-05-01		1
2	2015-06-01	31	2
2	2015-07-01	30	3
3	2015-05-01		1
3	2015-05-02	1	1
3	2015-05-04	2	1
3	2015-06-01	28	2
3	2015-06-02	1	2
3	2015-06-06	4	3

另请参阅DB Fiddle 示例。

如何识别连续几天的连续但允许最大差距？

数据中的原始列是person_id和contact_day。我想按person_id“streak”（附近的几天）进行分区。到目前为止，我的方法是首先计算自上次联系以来的天数 ( days_last_contact)，然后尝试使用它来计算列dash_group，该列标记最大阈值内的行 - 在示例中为 3 天。

我该如何计算dash_group？我days_last_contact通过减法计算contact_day，它是 1-lag，按 person_id 分区并按日期排序）。

SELECT 
  contact_day - lag(contact_day, 1, NULL) 
    OVER (PARTITION BY person_id ORDER BY contact_day ASC) 
    AS days_last_contact
FROM mydata
;

但是我怎样才能使用它来将低于某个阈值的行分组在一起呢days_last_contact？（本例中为 3 天）。因此，在此示例中，dash_group2 for person_id1 标识了临近的 5 月 1 日、2 日和 3 日，但该人的下一个日期是 6 月 1 日，这太远了（距离上次联系已过去 29 天，比阈值为 3)，因此它得到一个新的dash_group. 相似地，dash_group 4 将 8 月 1 日和 8 月 4 日分组在一起，因为差异为 3，但在 6 月 2 日和 6 月 6 日（人 3）的情况下，差异为 4，然后将它们分为不同的组。

环顾四周后，我发现了例如这个 SO 问题，他们指向这里的“技巧”#4，这非常hacky，但仅适用于连续日期/无间隙系列，并且我需要允许任意间隙。

Answer 1

计算第二个窗口函数中的间隙（大于给定的容差）即可形成您所追求的组数：

SELECT person_id, contact_day
     , count(*) FILTER (WHERE gap > 3) OVER (PARTITION BY person_id ORDER BY contact_day) AS dash_group
FROM  (
   SELECT person_id, contact_day
        , contact_day - lag(contact_day) OVER (PARTITION BY person_id ORDER BY contact_day) AS gap
   FROM   mydata
   ) sub
ORDER  BY person_id, contact_day;  -- optional

db<>在这里摆弄

关于聚合FILTER子句：

• 使用附加（不同）过滤器聚合列

它简短而直观，而且通常速度最快。看：

• 对于绝对性能，SUM 更快还是 COUNT 更快？

这就是“间隙与岛屿”的经典话题。一旦您知道要查找标签“ gaps-and-islands”，您就会发现大量相关或几乎相同的问题和答案，例如：

• 选择最长的连续序列
• 如何将时间戳分组为岛（基于任意间隙）？
• 当组归属取决于前一行时，如何在 postgresql 中标记组？

ETC。

我现在做了相应的标记。