Konwertuj zapytanie MySQL na JSON za pomocą PHP

Suma jest większa niż oczekiwano z powodu sprzężeń. Wyobraź sobie, że pewna data występuje w jednym rekordzie track_nutrition i dwóch rekordach track_fatigue, a następnie sprzężenie spowoduje, że dane z pierwszej tabeli zostaną raz połączone z pierwszym rekordem track_fatiguerecord, a następnie ponownie z drugim rekordem. W ten sposób ta sama wartość nf_sugars zostanie liczona dwukrotnie w sumie. To zachowanie wpłynie również na średnie.

Dlatego powinieneś najpierw wykonać agregacje, a dopiero potem wykonać łączenia.

Po drugie, aby mieć pewność, że przechwycisz wszystkie dane, nawet jeśli dla określonej daty nie wszystkie tabele mają wartości, powinieneś użyć pełnych sprzężeń zewnętrznych. Zagwarantuje to, że każdy rekord w każdej tabeli znajdzie się w wyniku. Teraz MySQL nie obsługuje takich pełnych złączeń zewnętrznych, więc używam dodatkowego podselekcji, aby wybrać wszystkie różne daty z 4 tabel, a następnie „złączyć je w lewo” z innymi zagregowanymi danymi:

SELECT      dates.date,
            IFNULL(average_ticnum_n, 0)            as average_ticnum 
            IFNULL(average_fatiguenum_n, 0)        as average_fatiguenum  
            IFNULL(average_stressnum_n, 0)         as average_stressnum
            IFNULL(sum_nf_sugars_n, 0)             as sum_nf_sugars 
            IFNULL(sum_nf_total_carbohydrate_n, 0) as sum_nf_total_carbohydrate  
FROM        (
                    SELECT DISTINCT user_id,
                                    date
                    FROM (
                            SELECT   user_id,
                                     date
                            FROM     track_ticseverity
                            UNION     
                            SELECT   user_id,
                                     date
                            FROM     track_fatigue
                            UNION     
                            SELECT   user_id,
                                     date
                            FROM     track_stress
                            UNION     
                            SELECT   user_id,
                                     date
                            FROM     track_nutrition
                    ) as combined 
            ) as dates
LEFT JOIN   (
                    SELECT   user_id,
                             date,
                             AVG(ticnum) as average_ticnum_n
                    FROM     track_ticseverity
                    GROUP BY user_id,
                             date) as grp_ticseverity
        ON  dates.date = grp_ticseverity.date
        AND dates.user_id = grp_ticseverity.user_id
LEFT JOIN   (
                    SELECT   user_id,
                             date, 
                             AVG(fatiguenum) as average_fatiguenum_n
                    FROM     track_fatigue
                    GROUP BY user_id,
                             date) as grp_fatigue
        ON  dates.date = grp_fatigue.date
        AND dates.user_id = grp_fatigue.user_id
LEFT JOIN   (
                    SELECT   user_id,
                             date,
                             AVG(stressnum) as average_stressnum_n
                    FROM     track_stress
                    GROUP BY user_id,
                             date) as grp_stress
        ON  dates.date = grp_stress.date
        AND dates.user_id = grp_stress.user_id
LEFT JOIN   (
                    SELECT   user_id,
                             date,
                             SUM(nf_sugars) as sum_nf_sugars_n,
                             SUM(nf_total_carbohydrate) as sum_nf_total_carbohydrate_n
                    FROM     track_nutrition
                    GROUP BY user_id,
                             date) as grp_nutrition
        ON  dates.date = grp_nutrition.date
        AND dates.user_id = grp_nutrition.user_id
WHERE       dates.user_id = 1
ORDER BY    dates.date;

Zwróć uwagę, że w niektórych kolumnach otrzymasz 0 wartości, jeśli nie ma danych dla tej konkretnej daty. Jeśli wolisz uzyskać NULL zamiast tego usuń Nvl() z tych kolumn w powyższym zapytaniu.

Następnie, aby znormalizować wszystkie dane w skali od 0 do 10, możesz spojrzeć na maksimum znalezione dla każdego typu wartości i użyć tego do konwersji lub jeśli wiesz wcześniej, jakie są zakresy dla poszczególnych typów, prawdopodobnie lepiej jest użyć tego informacje, a może również kod w SQL.

Jednak zawsze wygląda to trochę dziwnie, gdy wartości są połączone na wykresie, który faktycznie używa różnych skal. Na takich wykresach można łatwo dojść do błędnych wniosków.