Question

发现了一个类似的问题，但没有一个可以成功运作的答案。

我需要在一个表中选择每个状态类型50个样本。

TABLE1

MEMBER  STATUS
1234       A
1324       A
3424       R
3432       S
3232       R
2783       A
2413       S
4144       R
2387       S

我试过了：

SEL会员，状态 FROM TABLE1限定Row_Number（）OVER（PARTITION BY状态ORDER BY random（1,10000））＆lt; = 50

如上一个问题/答案所述，但Teradata不喜欢聚合或有序分析函数中的RANDOM。

Answer 1

如果您有一个离散数量的Status值，则以下方法可能工作，因为在Teradata评估WHERE子句之后处理了TOP运算符。 TOP n实际上是QUALIFY ROW_NUMBER() OVER()或QUALIFY RANK () OVER()的窗口聚合方法的首选方法，在最差或性能最佳时提供更好的性能：

SELECT TOP 50 
       Member
     , Status
FROM Table1
WHERE Status = 'A'
UNION ALL
SELECT TOP 50 
       Member
     , Status
From Table1
WHERE Status = 'R'
UNION ALL
SELECT TOP 50 
       Member
     , Status
FROM Table1
WHERE Status = 'S';

您可能也成功使用多个查询，SAMPLE子句通过您希望采样的状态代码过滤每个查询。

Answer 2

正如您在评论中所说，您不需要使用random，您可以这样做：

SEL     Member, status 
FROM    TABLE1 
QUALIFY ROW_NUMBER() OVER (
            PARTITION BY status 
            ORDER BY NULL) <= 50;

编辑：基于与假脱机空间错误相关的注释中的问题，我们可以在表大时尝试的方法是创建一个临时表，其中包含原始表中的一部分记录。

CREATE MULTISET VOLATILE TABLE tmp_tbl AS (
    SEL     Member, status
    FROM    TABLE1
    WHERE   somefield = 'somecriterion'
) WITH DATA 
ON COMMIT PRESERVE ROWS;

然后再试一次：

SEL     Member, status 
FROM    tmp_tbl /* now from temporary table */
QUALIFY ROW_NUMBER() OVER (
            PARTITION BY status 
            ORDER BY NULL) <= 50;

组内数据样本 - Teradata

TABLE1

2 个答案: