如何在SQL中从每日记录表格生成价格日期区间

核心逻辑是识别连续相同价格的日期区间，给每个独立区间分配唯一标识，再按标识分组聚合起止日期。

方法1：SQL实现（适用于数据库端处理） #

用窗口函数LAG()对比当前行与前一行的价格，当价格变化时生成新的分组ID，最后按分组ID和价格聚合：

WITH price_groups AS (
    SELECT
        Price,
        Date,
        -- 当当前价格与前一天不同时，分组ID加1
        SUM(CASE WHEN Price = LAG(Price) OVER (ORDER BY Date) THEN 0 ELSE 1 END) 
            OVER (ORDER BY Date) AS group_id
    FROM your_price_table
)
SELECT
    Price,
    MIN(Date) AS Start_Date,
    MAX(Date) AS End_Date
FROM price_groups
GROUP BY Price, group_id
ORDER BY Start_Date;

解释：

• LAG(Price) OVER (ORDER BY Date)获取前一天的价格
• 用SUM(...) OVER (...)累加分组标识：每次价格变化时，分组ID递增，确保连续相同价格的行属于同一组
• 最后按Price和group_id分组，取每组的最小/最大日期作为起止日期

方法2：Python实现（适用于本地数据处理，比如Pandas） #

用Pandas的diff()判断价格变化，生成分组标签，再聚合：

import pandas as pd

# 假设数据已加载为df，Date字段是datetime类型
df['Date'] = pd.to_datetime(df['Date'])
df = df.sort_values('Date')

# 生成分组ID：价格变化时分组ID加1
df['group_id'] = (df['Price'] != df['Price'].shift(1)).cumsum()

# 分组聚合
result = df.groupby(['Price', 'group_id']).agg(
    Start_Date=('Date', 'min'),
    End_Date=('Date', 'max')
).reset_index(drop=['group_id']).sort_values('Start_Date')

print(result)

解释：

• df['Price'].shift(1)获取前一行价格，!=判断是否变化
• cumsum()累加布尔值（True=1，False=0），生成连续相同价格的分组ID
• 按Price和group_id分组，取起止日期

关键注意点 #

• 必须先按Date排序，否则连续日期的判断会出错
• 分组时必须同时用Price和group_id，避免把不同区间的相同价格合并
• 如果存在缺失日期（比如周末无记录），需要先补全日期再处理，否则会误判非连续日期为连续区间（比如周五和下周一价格相同，但中间缺周六周日，是否算连续区间需根据业务规则调整）

内容的提问来源于stack exchange，提问作者IUE