Question

我正在解决问题，并且可以在这一点上使用一些方向。我想通过分组级别来总结一些变量，这些变量对于要求和的每个变量是不同的（但是相同的值域）。在伪伪代码中，这是我的问题：对于每个empYEAR变量（大型格式中有20个左右的逐年变量），我想将其与业务所在的县相加。在那一年。

这些数据是一系列代表Dun＆amp; amp; amp; amp; amp; Co. Bradstreet公司/ NETS。

有关数据库的更多详细信息，这是一些平面文件，都具有相同的主键。

主键是DUNSNUMBER，它存在于多个表中。每年都有详细的表格：

就业
county
销售
信用评级（及其他）

所有组织如下（此表显示就业，但其他变量结构相似，带有一年后缀）。

dunsnumber|emp1990  |emp1991|emp1992|...    |emp2011|
a         | 12      |32     |31     |...    | 35    |
b         |         |2      |3      |...    | 5     |
c         | 1       |1      |       |...    |       |
d         | 40      |86     |104    |...    | 350   |
...

我最终希望有一个结构如下的表：

county |emp1990|emp1991|emp1992|...|emp2011|sales1990|sales1991|sales1992|sales2011|...
A
B
C
...

我现在面临的主要挑战是：如果县作为分组变量有时按年份更改并在另一个表中指定，我如何按照上面的示例表中的按年分配就业（或销售）？ / p>

在R中使用长数据格式似乎相当简单，但有数百万条记录，所以我更喜欢在postgres中保留初始处理。

Answer 1

据我了解你的问题，这听起来相对简单。虽然我通常更喜欢使用标准化数据，但我没有看到事先规范化的事情会在这里给你带来任何具体的信息。

在我看来，你想要一些比较简单的东西：

SELECT sum(emp1990), sum(emp1991), ....
  FROM county c
  JOIN emp e ON c.dunsnumber = e.dunsnumber
  JOIN sales s ON c.dunsnumber = s.dunsnumber
  JOIN ....
 GROUP BY c.name, c.state;

我没有看到更简单的方法。很可能您可以查询系统目录或信息模式以生成要汇总的列列表。就我所知，剩下的就是一个直接的分组和加入过程。

如果变量按名称更改，根据我的经验，最好的做法是将基于该联合的位置视图放在一起并加入它。这使您可以隐藏主查询的复杂性，只要您不加入基础表就应该表现得非常好。

通过对每个特定的分组级别对n个数值变量求和

1 个答案: