Dies ist ein Problem, auf das ich einige Male gestoßen bin. Stellen Sie sich vor, Sie haben einen Datensatz, den Sie in einer Datenbanktabelle speichern möchten. Diese Tabelle enthält eine DateTime-Spalte mit dem Namen "date_created". Dieser eine Datensatz wurde vor langer Zeit erstellt, und Sie sind sich nicht sicher, wann er genau sein soll, aber Sie kennen Jahr und Monat. Andere Aufzeichnungen kennen Sie nur das Jahr. Andere Aufzeichnungen kennen Sie den Tag, den Monat und das Jahr.

Sie können kein DateTime-Feld verwenden, da "Mai 1978" kein gültiges Datum ist. Wenn Sie es in mehrere Spalten aufteilen, verlieren Sie die Abfragefähigkeit. Hat jemand anderes darauf gestoßen, wenn ja, wie sind Sie damit umgegangen?

Um das von mir erstellte System zu verdeutlichen, handelt es sich um ein System, das Archive verfolgt. Einige Inhalte wurden vor langer Zeit produziert und alles was wir wissen ist "Mai 1978". Ich könnte es als 1. Mai 1978 speichern, aber nur mit einem Hinweis darauf, dass dieses Datum nur auf den Monat genau ist. Auf diese Weise bin ich einige Jahre später beim Abrufen dieses Archivs nicht verwirrt, wenn die Daten nicht übereinstimmen.

Für meine Zwecke ist es wichtig, den "unbekannten Tag im Mai 1978" vom "1. Mai 1978" zu unterscheiden. Außerdem möchte ich die Unbekannten nicht als 0 speichern, wie zum Beispiel "May 0, 1978", da die meisten Datenbanksysteme dies als ungültigen Datumswert ablehnen.

Speichern Sie alle Daten im normalen DATE-Feld in der Datenbank und geben Sie zusätzlich an, wie genau das DATE-Feld tatsächlich ist.

date_created DATE,
date_created_accuracy INTEGER, 

Erstellungsdatum_genauigkeit: 1 = genaues Datum, 2 = Monat, 3 = Jahr.

Wenn Ihr Datum unscharf ist (z. B. Mai 1980), speichern Sie es zu Beginn des Zeitraums (z. B. 1. Mai 1980). Oder wenn Ihr Datum auf das Jahr (zB 1980) genau ist, speichern Sie es als 1. Januar. 1980 mit entsprechendem Genauigkeitswert.

Auf diese Weise können Sie leicht auf eine etwas natürliche Weise abfragen und wissen immer noch, wie genau die Daten sind. Auf diese Weise können Sie beispielsweise Daten zwischen Jan 1st 1980und abfragen Feb 28th 1981und unscharfe Daten 1980und abrufen May 1980.

Wenn Sie diese Art von Daten nicht als reguläre Datums- / Uhrzeitinformationen verwenden müssen, ist ein einfaches Zeichenfolgenformat ausreichend.

Wenn Sie jedoch die gesamte Funktionalität beibehalten müssen, kann ich mir zwei Problemumgehungen vorstellen, die beide zusätzliche Informationen erfordern, die in der Datenbank gespeichert sind:

1. Erstellen Sie min dateund max dateFelder, die unterschiedliche Werte für "unvollständige" Daten haben, aber für genaue Daten übereinstimmen.
2. Erstellen Sie Typen für jede Art von ungenauem Datum (keine _ 0, Datum_abgabe _ 1, Monat_abgabe _ 2, Jahr_abgabe_4 usw. _, damit Sie sie kombinieren können). Fügen Sie typeden Datensätzen ein Feld hinzu, und behalten Sie bei, welche Informationen fehlen.

Dies ist eher eine Anforderungsdefinition als ein technisches Problem. Sie müssen sich auf die Frage konzentrieren, "wie wir die Daten in der Vergangenheit definieren können" und die technische Lösung wird fließen.

Die Zeiten, in denen ich mich so etwas nähern musste, haben wir normalerweise:

• Definieren Sie, wie Sie Dinge zuordnen möchten - wie MichaelT vorschlägt , entscheiden Sie, dass alles, was als Monat / Tag definiert ist, am 1. des Monats als Mitternacht definiert wird. Dies ist normalerweise für die meisten Zwecke gut genug - wenn das genaue Datum so wichtig wäre, hätten Sie wahrscheinlich 35 Jahre später eine Aufzeichnung davon, oder?
• Finden Sie heraus, ob Sie dies nachverfolgen müssen - Brauchen Datensätze mit leicht nachgebildeten Erstellungsdaten eine entsprechende Markierung? Oder ist das nur eine Frage der Benutzerschulung, damit die Leute es wissen und entsprechend handeln können.

Manchmal muss man so etwas tun, wie die Daten unscharf zu machen - zum Beispiel, dass ein Datum möglicherweise im Mai 1978 auf eine Anfrage nach irgendetwas antworten muss Die Tage verteilen sich entsprechend, neue erhalten 2 identische Werte.

Der einfachste Weg, um anzuzeigen, ob das Datum korrekt ist, besteht darin, ein Genauigkeitsfeld INT (1) mit dem Standardwert NULL zu erstellen

Wenn das Datum korrekt ist, speichern Sie die Datums- / Uhrzeitangabe in "date_created" und lassen Sie die Genauigkeit NULL

Wenn das Datum nur auf den Monat genau ist, speichern Sie Datum und Uhrzeit als 1. des Monats mit dem Genauigkeitswert 1

Wenn das Datum nur für das Jahr korrekt ist, speichern Sie das Datum und die Uhrzeit am 1. Januar mit dem Genauigkeitswert 2

Sie können verschiedene Zahlen verwenden, um verschiedene Werte wie das erste Quartal usw. Zu speichern

In der Vergangenheit habe ich Datumsangaben mit Genauigkeit als Start- und Enddatum gespeichert. Der Tag 21.05.2012 würde als Start = 12.00 Uhr, 21.05.2012 und Ende = 12.00 Uhr, 22.05.2012 dargestellt. Das Jahr 2012 wird als Start = 12.00 Uhr, 1. Januar 2012 und Ende = 12.00 Uhr, 1. Januar 2013 dargestellt.

Ich bin mir nicht sicher, ob ich diesen Ansatz empfehlen würde. Wenn Sie dem Benutzer die Informationen anzeigen, müssen Sie richtig erkennen, dass ein Datumsbereich genau einen Tag abdeckt, um "25. Mai" anstelle von zwei überbestimmten Endpunkten anzuzeigen (was bedeutet, dass Sie sich mit Sommerzeit usw. befassen müssen).

Wenn Sie jedoch nicht versuchen, in eine menschliche Sprache zu übersetzen, ist das Programmieren mit den Endpunkten viel einfacher als mit der Genauigkeit von center +. Sie haben nicht viele Fälle. Das ist ziemlich nett.

Warum nicht zwei Daten speichern.

Created_After und Created_Before. Die eigentliche Semantik wird "erstellt am oder nach" und "erstellt am oder vor"

Wenn Sie also das genaue Datum kennen, sind Created_After und Created_Before dasselbe Datum.

Wenn Sie wissen, dass es die erste Woche im Mai 2000 war, sind Created_After = '2000-05-01' und Created_Before = '2000-05-07'.

Wenn Sie nur den Mai 1999 kennen, sind die Werte '1999-05-01' und '1999-05-30'.

Wenn es "Summer of '42" ist, lauten die Werte "1942-06-01" und "1942-08-31".

Dieses Schema ist mit normalem SQL einfach abzufragen und für einen nicht technischen Benutzer recht einfach zu befolgen.

So finden Sie beispielsweise alle Dokumente, die möglicherweise im Mai 2001 erstellt wurden:

SELECT * FROM DOCTAB WHERE Created_After < '2001-05-31' And Created_Before > 2001-05-01;

Umgekehrt finden Sie alle Dokumente, die definitiv im Mai 2001 erstellt wurden:

SELECT * FROM DOCTAB WHERE Created_After > '2001-05-01' And Created_Before < 2001-05-31;

Das Datums- und Uhrzeitformat nach ISO 8601 wird mit einer Definition der Dauer geliefert, z

2012-01-01P1M (lesen Sie: 2012, 1. Januar, Zeitraum: 1 Monat) ist das, was "im Januar 2012" sein sollte.

Ich würde dies verwenden, um die Daten zu speichern . Möglicherweise benötigen Sie dazu ein Datenbankfeld vom Typ String. Es ist ein anderes Thema, wie man eine vernünftige Suche danach durchführt.

Im Allgemeinen speichere ich sie immer noch als Datum für allgemeine Abfragen. Dies ist immer noch möglich, auch wenn dies etwas weniger genau ist.

Wenn es wichtig ist, die Genauigkeit zu kennen, habe ich in der Vergangenheit entweder ein Genauigkeits- "Fenster" als +/- Dezimalzahl oder als Nachschlag (Tag, Monat, Jahr usw.) gespeichert. In anderen Fällen speichere ich anstelle des Fensters nur den ursprünglichen Datumswert als Zeichenfolge und konvertiere, was ich kann, in eine Datums- / Uhrzeitangabe, möglicherweise 1978-05-01 00:00:00 und "Mai 1978" für Ihr gegebenes Beispiel.

Wenn Sie es in mehrere Spalten aufteilen, verlieren Sie die Abfragefähigkeit.

Sagt wer? Folgendes machst du:

1. Haben Sie 3 Spalten, Tag, Monat, Jahr, jede vom Typ int und eine vierte Spalte vom Typ TheDate of DateTime.
2. Verwenden Sie einen Trigger, der die 3 Spalten Tag, Monat und Jahr verwendet, um TheDate zu erstellen, wenn TheDate null bleibt, aber eines oder mehrere der Felder Tag, Monat und Jahr einen Wert haben.
3. Haben Sie einen Auslöser, der die Felder "Tag", "Monat" und "Jahr" ausfüllt, wenn das Datum angegeben wird, diese Felder jedoch nicht.

Wenn ich also ein Insert wie: insert into thistable (Day, Month, Year) values (-1, 2, 2012);mache, wird TheDate zum 01.02.2013, aber ich weiß, dass das Datum in 2/2012 wirklich unbestimmt ist, da im Feld „-1“ ein Tag steht.

Wenn ich insert into thistable (TheDate) values ('2/5/2012');dann Tag 5 bin , Monat 2 ist und Jahr 2012 ist und weil keiner von ihnen -1 ist, weiß ich, dass dies das genaue Datum ist.

Ich verliere nicht die Fähigkeit zur Abfrage, da der Einfüge- / Aktualisierungs-Trigger sicherstellt, dass meine 3 Felder (Tag, Monat, Jahr) immer einen DateTime-Wert in TheDate erzeugen, der abgefragt werden kann.

Eine andere Möglichkeit wäre, die Daten als ganze Zahlen des Formulars zu speichern YYYYMMDD.

• Sie wissen nur, dass das Jahr 1951 ist: Speichern unter 19510000
• Sie kennen den Monat und das Jahr März 1951: Speichern unter 19510300
• Sie wissen, dass das vollständige Datum der 14. März 1951 ist: Speichern unter 19510314
• Ein völlig unbekanntes Datum: Speichern unter 0

Leistungen

Sie können Ihr unscharfes Datum in einem Feld anstelle von zwei Datumsfeldern oder einem Datum und einer Genauigkeit speichern, wie in vielen anderen Antworten vorgeschlagen.

Fragen sind immer noch einfach:

• alle Rekorde für das Jahr 1951 - SELECT * FROM table WHERE thedate>=19510000 and thedate<19520000
• alle Rekorde für März 1951 - SELECT * FROM table where thedate>=19510300 and thedate<19510400
• alle Aufzeichnungen vom 14. März 1951 - SELECT * FROM table where thedate=19510314

ANMERKUNGEN

• Ihre GUI würde eine benötigen, GetDateString(int fuzzyDate)die ziemlich einfach zu implementieren ist.
• Das Sortieren ist mit dem int-Format einfach. Sie sollten wissen, dass unbekannte Daten an erster Stelle stehen. Sie können dies umkehren, indem Sie 99anstelle des 00Monats oder des Tages das Auffüllen verwenden .

ISO 8601 spezifiziert auch eine Syntax für "Fuzzy-Daten". 12. Februar 2012 um 15 Uhr wäre "2012-02-12T15" und Februar 2012 könnte einfach "2012-02" sein. Dies lässt sich mit der lexikografischen Standardsortierung gut erweitern:

$ (echo "2013-03"; echo "2013-03"; echo "2012-02-12T15"; echo "2012-02"; echo "2011") | sort
2011
2012
2012-02
2012-02-12T15
2013-03

Hier ist meine Meinung dazu:

Vom unscharfen Datum zum Datum / Uhrzeit-Objekt wechseln (das in eine Datenbank passt)

import datetime
import iso8601

def fuzzy_to_datetime(fuzzy):
    flen = len(fuzzy)
    if flen == 4 and fuzzy.isdigit():
        dt = datetime.datetime(year=int(fuzzy), month=1, day=1, microsecond=111111)

    elif flen == 7:
        y, m = fuzzy.split('-')
        dt = datetime.datetime(year=int(y), month=int(m), day=1, microsecond=222222)

    elif flen == 10:
        y, m, d = fuzzy.split('-')
        dt = datetime.datetime(year=int(y), month=int(m), day=int(d), microsecond=333333)

    elif flen >= 19:
        dt = iso8601.parse_date(fuzzy)

    else:
        raise ValueError("Unable to parse fuzzy date: %s" % fuzzy)

    return dt

Und dann eine Funktion, die das datetime-Objekt aufnimmt und es in ein unscharfes Datum zurückverschiebt.

def datetime_to_fuzzy(dt):
    ms = str(dt.microsecond)
    flag1 = ms == '111111'
    flag2 = ms == '222222'
    flag3 = ms == '333333'

    is_first = dt.day == 1
    is_jan1 = dt.month == 1 and is_first

    if flag1 and is_jan1:
        return str(dt.year)

    if flag2 and is_first:
        return dt.strftime("%Y-%m")

    if flag3:
        return dt.strftime("%Y-%m-%d")

    return dt.isoformat()

Und dann ein Unit Test. Habe ich irgendwelche Fälle verpasst?

if __name__ == '__main__':
    assert fuzzy_to_datetime('2001').isoformat() == '2001-01-01T00:00:00.111111'
    assert fuzzy_to_datetime('1981-05').isoformat() == '1981-05-01T00:00:00.222222'
    assert fuzzy_to_datetime('2012-02-04').isoformat() == '2012-02-04T00:00:00.333333'
    assert fuzzy_to_datetime('2010-11-11T03:12:03Z').isoformat() == '2010-11-11T03:12:03+00:00'

    exact = datetime.datetime(year=2001, month=1, day=1, microsecond=231)
    assert datetime_to_fuzzy(exact) == exact.isoformat()

    assert datetime_to_fuzzy(datetime.datetime(year=2001, month=1, day=1, microsecond=111111)) == '2001'
    assert datetime_to_fuzzy(datetime.datetime(year=2001, month=3, day=1, microsecond=222222)) == '2001-03'
    assert datetime_to_fuzzy(datetime.datetime(year=2001, month=6, day=6, microsecond=333333)) == '2001-06-06'

    assert datetime_to_fuzzy(fuzzy_to_datetime('2002')) == '2002'
    assert datetime_to_fuzzy(fuzzy_to_datetime('2002-05')) == '2002-05'
    assert datetime_to_fuzzy(fuzzy_to_datetime('2002-02-13')) == '2002-02-13'
    assert datetime_to_fuzzy(fuzzy_to_datetime('2010-11-11T03:12:03.293856+00:00')) == '2010-11-11T03:12:03.293856+00:00'

Es gibt einen Eckfall, in dem ein Ereignis, das zwar genau 2001-01-01T00:00:00.333333zum Zeitpunkt des Ereignisses eingetreten ist , vom System jedoch nur als "2001" interpretiert wird, dies jedoch sehr unwahrscheinlich erscheint.

Ich arbeite für einen Verlag, der sich mit vielen alten Büchern beschäftigt, bei denen wir oft nicht die genauen Daten für die Dinge bekommen. Wir haben normalerweise zwei Felder für einen bestimmten Datumseintrag, das Datum und einen circa- Booleschen Wert:

date date
dateCirca enum('Y', 'N')

Wir verwenden das Datumsfeld, um das Datum eines Ereignisses anzugeben, oder ein Datum, das "nah genug" ist, falls wir das wahre Datum nicht kennen. Für den Fall, dass wir das wahre Datum nicht kennen, markieren wir das dateCircaFeld als Yund geben ein Datum an, das nah genug ist und als "1." gekennzeichnet ist, wie z

1st March, 2013  // We don't know the day of the month
1st January, 2013  // We don't know the month/day of the year
1st January, 2000  // We don't know the month/day/year, we only know the century

Überblick

Es gibt viele mögliche Darstellungen und damit Datenbankschemata zum Speichern von unscharfen Datums- und Uhrzeitangaben (oder auch nur unscharfen Datumsangaben):

1. Datum, Uhrzeit und Code für die Genauigkeit
2. Datum, Uhrzeit und Intervall, bei denen es mehrere Möglichkeiten gibt, ein Intervall darzustellen:
   1. Stellen Sie alle Intervalle als Ganzzahl (oder andere numerische Größe) einer festen Einheit dar, z. B. Tage, Minuten, Nanosekunden.
   2. Stellen Sie ein Intervall sowohl als Ganzzahl (oder andere numerische Größe) als auch als Code dar, der die Einheiten angibt.
3. Start- und Enddatum
4. String
5. Wahrscheinlichkeitsverteilung:
   1. Dezimal- oder Gleitkommazahlen für die Parameter, die eine bestimmte Verteilung in einer bestimmten Familie angeben, z. B. Mittelwert und Standardabweichung einer Normalverteilung.
   2. Wahrscheinlichkeitsverteilungsfunktion, z. B. als (Nachschlage-) Code (möglicherweise mit Parametern bestimmter Werte) oder als Ausdruck in einer ausreichend aussagekräftigen Sprache, Format oder Darstellung.

[1], [2] und [3] sind alle (implizit) einheitliche Intervalle, dh eine Menge von (gleich) möglichen Zeitpunkten.

[4] ist am ausdrucksstärksten, dh wenn mögliche (oder zumindest willkürlich lange) geschriebene Sprachsätze oder -phrasen zugelassen werden. Aber es ist auch am schwierigsten, damit zu arbeiten. Im Grenzfall müsste AI auf menschlicher Ebene mit beliebigen Werten umgehen. In der Praxis müsste der Bereich möglicher Werte stark eingeschränkt werden, und alternative "strukturierte" Werte wären wahrscheinlich für viele Operationen, z. B. Sortieren, Suchen, vorzuziehen.

[5] ist wahrscheinlich die allgemeinste kompakte Darstellung, die (etwas) praktisch ist.

Einheitliche Intervalle

Einheitliche Intervalle sind die einfachste kompakte Möglichkeit, eine Reihe von (möglichen) Datums- / Uhrzeitwerten darzustellen.

Bei [1] werden Teile des Datum-Uhrzeit-Werts ignoriert, dh die Teile, die Einheiten entsprechen, die feiner als die angegebene Genauigkeit oder Genauigkeit sind. Andernfalls entspricht dies [2], und der Genauigkeitscode entspricht einem Intervall mit denselben Einheiten (und einer implizierten Menge von 1).

[2] und [3] sind ausdrücklich gleichwertig. [1] ist strikt weniger aussagekräftig als beide, da es effektive Intervalle gibt, die nicht durch [1] dargestellt werden können, z. Eine unscharfe Datums- / Uhrzeitangabe, die einem 12-Stunden-Intervall entspricht, das sich über eine Datumsgrenze erstreckt.

[1] ist für Benutzer einfacher einzugeben als jede andere Darstellung und sollte im Allgemeinen (zumindest geringfügig) weniger Eingaben erfordern. Wenn Datums- und Uhrzeitangaben in verschiedenen Textdarstellungen eingegeben werden können, z. B. "2013", "2014-3", "2015-5-2", "7/30/2016 11p", "2016-07-31 18:15" kann die Präzision oder Genauigkeit auch automatisch aus der Eingabe abgeleitet werden.

Die Genauigkeit oder Präzision von [1] ist auch am einfachsten in ein Formular umzuwandeln, das den Benutzern übermittelt werden soll, z. (Beachten Sie, dass letztere sowieso nicht durch [1] dargestellt werden können).

Streicher

In der Praxis müssen Zeichenfolgenwerte in andere Darstellungen konvertiert werden, um mehrere Werte abzufragen, zu sortieren oder auf andere Weise zu vergleichen. Während also jede geschriebene natürliche (menschliche) Sprache strikt aussagekräftiger ist als [1], [2], [3] oder [5], verfügen wir noch nicht über die Mittel, um weit über Standardtextdarstellungen oder -formate hinauszugehen. Angesichts dessen ist dies wahrscheinlich die am wenigsten nützliche Darstellung für sich .

Ein Vorteil dieser Darstellung ist, dass Werte in der Praxis für Benutzer so wie sie sind darstellbar sein sollten und keine Transformation erfordern, um leicht verständlich zu sein.

Wahrscheinlichkeitsverteilungen

Wahrscheinlichkeitsverteilungen verallgemeinern die einheitlichen Intervalldarstellungen [1], [2], [3] und sind (wohl) der (allgemeinen) Zeichenfolgendarstellung [4] äquivalent.

Ein Vorteil von Wahrscheinlichkeitsverteilungen gegenüber Zeichenfolgen besteht darin, dass erstere eindeutig sind.

[5-1] ist für Werte geeignet, die (meistens) mit einer vorhandenen Verteilung übereinstimmen, z. B. ein Datums- / Zeitwert, der von einem Gerät ausgegeben wird, für das bekannt ist, dass Messungen mit einer bestimmten Verteilung übereinstimmen (oder angenommen werden).

[5-2] ist wahrscheinlich die beste (etwas) praktische Möglichkeit, beliebige "Fuzzy-Datetime" -Werte kompakt darzustellen. Natürlich ist die Berechenbarkeit der verwendeten spezifischen Wahrscheinlichkeitsverteilungen von Bedeutung und es gibt definitiv interessante (und möglicherweise unmögliche) Probleme, die beim Abfragen, Sortieren oder Vergleichen verschiedener Werte zu lösen sind, aber vieles davon ist wahrscheinlich bereits bekannt oder irgendwo in der vorhandenen gelöst Die mathematische und statistische Literatur steht also definitiv für eine äußerst allgemeine und eindeutige Darstellung.

Die Lösung von James Anderson gefällt mir sehr gut. Durch genaues Eingrenzen der Daten erhalten Sie die flexibelste Abfragestruktur. Eine andere Möglichkeit, dies zu erreichen, ist die Verwendung eines Start-, End- oder sogar eines Zentrums dateplus eines interval(zumindest in PostgreSQL , Oracle und SQLAlchemy verfügbar ).

In deinem Fall brauchst du nur Jahr, Monat und Tag. Jahr und Monat sind erforderlich, Tag ist optional. Ich würde so etwas benutzen:

year smallint not null,
month smallint not null,
day smallint

Außerdem können Sie Indizes immer noch sehr effektiv verwenden. Die (tiny = minus, queires werden etwas "komplizierter" (länger).

Ich würde einfach die genaue Zeit für normale Daten speichern und den Zeitanteil des Fuzzy-Datums generisch auf 00:00:00 setzen. Ich würde dann alle unscharfen Daten zum 1. des Monats machen.

Wenn Sie abfragen, Sie

1. Suche nach Datumsbereichen, in denen die Zeit auch gleich 00:00:00 ist (unscharf)
2. Auf Datumsbereiche prüfen, in denen die Zeit NICHT gleich 00:00:00 (real) ist
3. Auf Datumsbereiche prüfen, aber den Zeitanteil ignorieren (kombiniert)

Es gibt bessere Lösungen als diese, aber ich persönlich hasse Metadaten (Daten über meine Daten). Es hat nur die Angewohnheit, nach einer Weile außer Kontrolle zu geraten.