如何按每月22日至次月21日周期统计多表count、revenue等交易指标

方案1：数仓/SQL层面直接计算（推荐，适合全量批量统计） #

核心逻辑是先给每一行日维度数据打上对应计费月标签，再合并所有业务表后按计费月分组聚合即可。
通用SQL实现示例：

SELECT 
  -- 生成计费月标签，格式为'yyyy-MM'
  CASE 
    WHEN EXTRACT(DAY FROM dt) >= 22 THEN DATE_FORMAT(DATE_ADD(dt, INTERVAL 1 MONTH), '%Y-%m')
    ELSE DATE_FORMAT(dt, '%Y-%m')
  END AS billing_month,
  SUM(count) AS total_count,
  SUM(revenue) AS total_revenue,
  SUM(transaction_num) AS total_transaction
FROM (
  -- 对齐字段后合并所有需要统计的业务表
  SELECT dt, count, revenue, transaction_num FROM business_table1
  UNION ALL
  SELECT dt, count, revenue, transaction_num FROM business_table2
  UNION ALL
  SELECT dt, count, revenue, transaction_num FROM business_table3
  -- 更多业务表继续追加UNION ALL即可
) all_business_data
GROUP BY billing_month
ORDER BY billing_month

优化提示 #

• 不同数据库语法适配：PostgreSQL可替换DATE_ADD为+ interval '1 month'，ClickHouse可使用toYYYYMM(date_add(MONTH, 1, dt))格式，核心逻辑通用
• 高频使用场景可提前构建公共日维度表，预存每个日期对应的计费月标签，后续统计直接关联该表即可，无需重复写判断逻辑，公共维度表参考结构：

• 如需按客户、业务线等维度拆分统计，在GROUP BY中追加对应维度字段即可

方案2：Python离线处理方案（适合小批量本地文件数据处理） #

如果数据存储为CSV/Excel等本地文件，可使用pandas实现：

import pandas as pd

# 1. 读取并合并所有业务表
file_list = ["table1.csv", "table2.csv", "table3.csv"]
df_list = []
for f in file_list:
    df = pd.read_csv(f, parse_dates=["dt"])
    df_list.append(df)
full_df = pd.concat(df_list, ignore_index=True)

# 2. 生成计费月标签
full_df["billing_month"] = full_df["dt"].apply(
    lambda x: (x + pd.DateOffset(months=1)).strftime("%Y-%m") 
    if x.day >= 22 
    else x.strftime("%Y-%m")
)

# 3. 按计费月聚合统计
stats_result = full_df.groupby("billing_month").agg(
    total_count=("count", "sum"),
    total_revenue=("revenue", "sum"),
    total_transaction=("transaction_num", "sum")
).reset_index().sort_values("billing_month")

# 输出结果
print(stats_result)
# stats_result.to_csv("billing_month_stats.csv", index=False)

边界逻辑校验 #

可通过题目给出的示例验证规则正确性：

2021年1月计费周期对应2020年12月22日-2021年1月21日

• 2020-12-22：日部分≥22，加1个月后得到2021-01，符合
• 2021-01-21：日部分<22，直接取当月2021-01，符合
• 2021-01-22：日部分≥22，加1个月后得到2021-02，对应2021年2月计费周期，符合规则

内容的提问来源于stack exchange，提问作者Fazza