我正在使用MySQL语法中的MariaDB 10.2.4，并尝试根据每个客户的每笔交易的行的时间戳（而不是日历日）来计算过去24小时内发生的交易数量。

列信息：

• row_number：我添加这个是为了方便阅读，它实际上并不存在
• order_no：每一行的唯一值
• customer_id：客户唯一，但在表中重复
• order_date：是一个时间戳，必须在其上执行计数
• dollar_value：是上下文，是一个小数

这里有一个手工制作的表格，显示我想要的输出是什么。输入将是所有相同的列，除了输出（transcount）和row_number列。

示例：

• 第3行。我感兴趣的时间范围是2022-02-11 22：53：50（order_date列中的值）到2022-02-10 22：53：50（order_date - interval 1 day），客户ID为1111171。第4行和第6行与此匹配，因此第3行的输出为3（包括第3行）。
• 第4行。客户1111171的时间范围是2022- 02-11 06：49：36到2022-02-10 06：49：36。第6、8、9、10行在时间范围内，并且是相同的customer_id，因此transcount值为5。

表

| 行数|订单号|客户标识|订货日期|美元价值|传输计数|
| --|--|--|--|--|--|
| 1 | 8888883 | 1111100 |2019 -02-14 01：10：04| 2256.0| 1 |
| 2 | 8888837 | 1111100 |2022-02-12 05：46：32|一四五七点二| 1 |
| 3 | 8888812 | 1111171 |2022-02-11 22：53：50|小行星1757.2| 3 |
| 4 | 8888887 | 1111171 |2022-02-11 06：49：36|一千三百五十点二| 5 |
| 5 | 8888804 | 1111100 |2022-02-11 03：10：07| 1853.6| 1 |
| 6 | 8888866 | 1111171 |2019 -02-11 01：20：26| 1053.0| 4 |
| 7 | 8888833 | 1111181 |2022-02-10 21：09：05|二百五十三点二| 1 |
| 8 | 8888874 | 1111171 |2022-02-10 18：06：55|小行星1958.6| 3 |
| 9 | 8888829 | 1111171 |2022-02-10 10：11：59|一四五六点二| 2 |
| 10 | 8888802 | 1111171 |2022-02-10 09：55：31|九百五十六点六| 1 |
| 11 | 8888835 | 1111100 |2022-02-09 19：40：24|七五六点四| 2 |
| 12 | 8888810 | 1111123 |2019 -02- 29 01：01：56|三一七九点五| 1 |
| 13 | 8888850 | 1111100 |2022-02-08 20：00：20| 629.0| 1 |
| 14 | 8888821 | 1111171 |2022-02-08 17：59：05|一千二百四十九点四五| 2 |
| 15 | 8888809 | 1111171 |2022-02-08 06：25：15|一千二百五十点零| 1 |
| 16 | 8888837 | 1111147 |2022-02-08 06：18：15|一百八十四点六| 1 |
| 17 | 8888836 | 1111171 |2022-02-07 12：01：47|八十八点二八| 1 |
| 18 | 8888808 | 1111147 |2022-02-05 12：02：49| 3008.7| 3 |
| 19 | 8888890 | 1111147 |2022-02-05 11：48：16| 1543.31| 2 |
| 20 | 8888805 | 1111147 |2022-02-05 11：37：55| 2617.4| 1 |
我还打算应用一些其他的过滤器，比如只计算1000以上的dollar_value，但我希望这不会影响计数的逻辑。
我已经能够在PySpark中做到这一点，但我不能重复同样的逻辑。
'''

# Function to calculate number of seconds from number of days
days = lambda i: i * 86400

# Create window by casting timestamp to long (number of seconds) then defining the number of days you wish to review
w = (Window.partitionBy('customer_id').orderBy(F.col(date_column).cast('long')).rangeBetween(-days(monitor_length_days), 0))

# Add total value of transactions undertaken within time frame by customer_id
filteredDF = filteredDF.withColumn(output_name, F.count('customer_id').over(w))

字符串
'''
如果你有任何问题，请告诉我，