Comment utiliser la base de données MySQL pour l'analyse de séries chronologiques ?
Les données de séries chronologiques font référence à un ensemble de données classées par ordre chronologique, qui présentent une continuité et une corrélation temporelles. L'analyse des séries chronologiques est une méthode d'analyse de données importante qui peut être utilisée pour prédire les tendances futures, découvrir les changements cycliques, détecter les valeurs aberrantes, etc. Dans cet article, nous présenterons comment utiliser une base de données MySQL pour l'analyse de séries chronologiques, ainsi que des exemples de code.
Tout d'abord, nous devons créer une table de données pour stocker les données de séries chronologiques. En supposant que les données que nous souhaitons analyser concernent les ventes quotidiennes, nous pouvons créer un tableau de données nommé « ventes » qui contient trois champs : date, ventes et volume des ventes.
CREATE TABLE sales ( date DATE, revenue DECIMAL(10,2), quantity INT );
Ensuite, nous devons insérer des exemples de données dans le tableau de données pour l'analyse des séries chronologiques. Supposons que nous ayons les exemples de données suivants :
Date Sales Sales
2019-01-01 100.00 10
2019-01-02 150.00 15
2019-01-03 200.00 20
...
Nous pouvons utiliser le code suivant pour Les données sont insérées dans la table de données :
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);
Une fois que nous avons inséré les exemples de données, nous pouvons utiliser des requêtes SQL pour extraire et analyser les données de séries chronologiques. Voici quelques exemples de requêtes couramment utilisés :
SELECT date, revenue FROM sales WHERE date BETWEEN '2019-01-01' AND '2019-01-31';
SELECT date, AVG(revenue) FROM sales GROUP BY date;
SELECT date, revenue FROM sales ORDER BY revenue DESC LIMIT 1;
SELECT DATE_FORMAT(date, '%Y-%m') AS month, SUM(revenue) FROM sales GROUP BY month;
En plus des requêtes SQL régulières, MySQL fournit également des fonctions intégrées pour une analyse de séries chronologiques plus avancée. Voici quelques exemples de fonctions couramment utilisées :
SELECT date, revenue, AVG(revenue) OVER (ORDER BY date ROWS BETWEEN 2 PRECEDING AND CURRENT ROW) FROM sales;
SELECT date, revenue, (revenue - LAG(revenue) OVER (ORDER BY date)) / LAG(revenue) OVER (ORDER BY date) AS growth_rate FROM sales;
SELECT date, revenue, IF(ABS(revenue - AVG(revenue) OVER ()) > 3 * STDDEV(revenue) OVER (), 'Anomaly', 'Normal') AS status FROM sales;
En utilisant ces fonctions, nous pouvons effectuer l'analyse des séries chronologiques plus facilement.
Résumé
Cet article présente les étapes de base de l'utilisation de la base de données MySQL pour l'analyse de séries chronologiques et fournit des exemples de requêtes SQL et des exemples de fonctions intégrées. En maîtrisant ces techniques, vous pouvez mieux comprendre et exploiter les données de séries chronologiques et découvrir des modèles et des tendances cachés.
Ce qui précède est le contenu détaillé de. pour plus d'informations, suivez d'autres articles connexes sur le site Web de PHP en chinois!