Converteer MySQL-query naar JSON met behulp van PHP

Het bedrag is groter dan verwacht vanwege de joins. Stel je voor dat een bepaalde datum voorkomt in één track_nutrition-record en twee track_fatigue-records, dan zorgt de join ervoor dat de gegevens uit de eerste tabel één keer worden gecombineerd met de eerste track_fatigue-record en dan weer met het tweede record. Dus dezelfde nf_sugarsvalue wordt twee keer meegeteld in de som. Dit gedrag heeft ook invloed op de gemiddelden.

Voer daarom eerst de aggregaties uit en pas daarna de joins.

Ten tweede, om ervoor te zorgen dat u alle gegevens opvangt, zelfs als voor een bepaalde datum niet alle tabellen waarden hebben, moet u volledige outer joins gebruiken. Dit garandeert dat elk record in elke tabel zijn weg vindt in het resultaat. Nu ondersteunt MySQL dergelijke volledige outer joins niet, dus gebruik ik een extra subselectie om alle verschillende datums uit de 4 tabellen te selecteren en vervolgens "links join" met de andere geaggregeerde gegevens:

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;

Merk op dat u in sommige kolommen 0 waarden krijgt als er geen gegevens zijn voor die specifieke datum. Als u liever NULL wilt krijgen verwijder in plaats daarvan de Nvl() uit die kolommen in de bovenstaande zoekopdracht.

Om vervolgens alle gegevens op een schaal van 0 - 10 te normaliseren, kunt u voor elk type waarde kijken naar het maximum gevonden en dat gebruiken voor een conversie, of als u van tevoren weet wat de bereiken per type zijn, dan is het waarschijnlijk beter om dat te gebruiken informatie, en misschien codeer je die ook in de SQL.

Het ziet er echter altijd een beetje vreemd uit om waarden te combineren in een grafiek die daadwerkelijk verschillende schalen gebruikt. Met zulke grafieken kan men gemakkelijk verkeerde conclusies trekken.