SQL/Python如何对比相邻月份分组差异 查找当月新增分组

难度说明 #

这个需求直接用SQL实现难度极低，完全不需要导出CSV后用pandas处理，直接在数据库端计算省去了数据导出、加载的冗余步骤，数据量越大效率优势越明显。
你提到的LAG窗口函数思路完全可行，另外用NOT EXISTS关联的写法兼容性更强、逻辑更直观，两种方案都可以快速实现需求。

前置注意事项 #

你原来生成#Groupings临时表时用了WITH ROLLUP，会生成GroupNumber为NULL的汇总行，计算新增分组前需要先把这部分无效数据过滤掉，避免结果错误。
另外如果你的业务数据跨自然年，不要直接用MONTH(PaymentDate)提取的数字月份做相邻判断，建议先格式化为YYYYMM格式的年月维度值（比如2022年1月存为202201，2022年12月存为202212，2023年1月存为202301），避免出现1月的上一个月被判定为0的逻辑错误。

具体SQL写法 #

写法1：基于LAG窗口函数实现 #

基于你已经生成的#Groupings临时表，直接写后续逻辑即可：

WITH Group_Appear_Log AS (
    SELECT
        GroupNumber,
        Payment_Month,
        -- 取每个分组上一次出现的月份
        LAG(Payment_Month, 1) OVER (PARTITION BY GroupNumber ORDER BY Payment_Month) AS Last_Appear_Month
    FROM #Groupings
    WHERE GroupNumber IS NOT NULL -- 过滤ROLLUP生成的汇总空行
)
SELECT DISTINCT GroupNumber
FROM Group_Appear_Log
WHERE
    Last_Appear_Month IS NULL -- 分组首次出现，即之前月份从未出现过
    AND Payment_Month = 3 -- 这里替换成你要统计的目标月份，示例中统计3月新增就写3

针对你给出的示例数据，运行后会返回3333、3334两个分组，和预期结果完全一致。

写法2：基于NOT EXISTS关联实现（兼容性更好） #

如果你的数据库版本不支持窗口函数，可以用关联判断的写法，逻辑更直白：

SELECT DISTINCT curr.GroupNumber
FROM #Groupings curr
WHERE
    curr.GroupNumber IS NOT NULL
    AND curr.Payment_Month = 3 -- 替换为目标统计月份
    -- 排除掉在上一个月已经出现过的分组
    AND NOT EXISTS (
        SELECT 1
        FROM #Groupings prev
        WHERE
            prev.GroupNumber = curr.GroupNumber
            AND prev.Payment_Month = curr.Payment_Month - 1
            AND prev.GroupNumber IS NOT NULL
    )

pandas方案补充说明 #

如果是极小体量的数据集（十万行级别以内），用pandas确实也能实现需求，但属于冗余操作：你需要额外完成数据导出、文件加载、去重、相邻行判断的步骤，流程更长；如果数据量达到百万级以上，pandas会占用大量本地内存，执行效率远不如数据库端直接计算。

内容的提问来源于stack exchange，提问作者Josh