Question

我想选择前1％的行;但是，我不能使用子查询来做到这一点。即，这不会起作用：

SELECT * FROM mytbl
WHERE var='value'
ORDER BY id,random()
LIMIT(SELECT (COUNT(*) * 0.01)::integer FROM mytbl)

如果不使用带有限制的子查询，我将如何完成相同的输出？

Answer 1

您可以使用PERCENT_RANK：

WITH cte(ID, var, pc) AS
(
  SELECT ID, var, PERCENT_RANK() OVER (ORDER BY random()) AS pc
  FROM mytbl
  WHERE var = 'value'
)
SELECT *
FROM cte
WHERE pc <= 0.01
ORDER BY id;

的 SqlFiddleDemo

Answer 2

我使用psycopg2包解决了它：

    cur.execute("SELECT ROUND(COUNT(id)*0.01,0)
                 FROM mytbl")
    nrows = str([int(d[0]) for d in cur.fetchall()][0])
    cur.execute("SELECT * 
                 FROM mytbl
                 WHERE var='value'
                 ORDER BY id, random() LIMIT (%s)",nrows)

也许有一个更优雅的解决方案只使用SQL，或者更有效的解决方案，但这正是我正在寻找的。

Answer 3

如果我做对了，你需要：

所有行的随机1％样本，
如果样本中有一些id，则所有具有相同id的行也必须在那里。

以下的sql应该可以解决这个问题：

with ids as (
    select   id,
             total,
             sum(cnt) over (order by max(rnd)) running_total
    from     (
               select id,
                      count(*) over (partition by id) cnt,
                      count(*) over () total,
                      row_number() over(order by random()) rnd
               from   mytbl
             ) q
    group by id,
             cnt,
             total
)
select   mytbl.*
from     mytbl,
         ids
where    mytbl.id = ids.id
and      ids.running_total <= ids.total * 0.01
order by mytbl.id;

Answer 4

我当然没有您的数据，但是在LIMIT子句中使用子查询没有问题。

但是，子查询仅包含count(*)部分，然后我将结果乘以0.01：

SELECT * FROM mytbl
WHERE var='value'
ORDER BY id,random()
LIMIT(SELECT count(*) FROM mytbl)*0.01;

限制百分比而不是没有子查询的行数

4 个答案: