Question

我有一个可以运行的查询，它生成如下行：

 ID | category | property_A | property_B
----+----------+------------+------------
  1 |        X |       tall |        old
  2 |        X |      short |        old
  3 |        X |       tall |        old
  4 |        X |      short |      young
  5 |        Y |      short |        old
  6 |        Y |      short |        old
  7 |        Y |       tall |        old

我想为每个category和property_B找到最常见的property_A，然后将其放入另一个表格供以后使用。所以在这里我想知道，在X类中，老年人往往很高，年轻人很矮，而在Y类，老年人往往很矮。

每列的域都是有限的，而且不是太大 - 有200个类别，还有十几个属性_A和property_B。所以我可以在我的客户端上编写一个愚蠢的脚本，它会查询数据库200 * 12 * 12次，进行有限的查询，但这看起来一定是错误的方法，而且浪费，因为生成这个表是很昂贵的然后扔掉大部分。

但我甚至不知道要查找哪些单词以找到正确的方法：“sql find related rows”显示了如何查找整数相关性，但我对整数不感兴趣。那我该怎么做呢？

Answer 1

您可以通过聚合和窗口/分析功能轻松完成此操作。你想要排名第一的人数。以下返回最受欢迎的A：

select category, property_b, property_a as MostPopularA
from (select category, property_b, property_a, count(*) as cnt,
             row_number() over (partition by category, property_b order by count(*) desc) as seqnum
      from table t
      group by category, property_b, property_a
     ) t
where seqnum = 1;

如果您想在有平局时获取所有值，请使用dense_rank()代替row_number()。

Answer 2

我建议使用GROUP BY和DISTINCT ON的组合，这在Postgres中更快/更简单/更优雅：

SELECT DISTINCT ON (category, property_b)
       category, property_b, property_a, count(*) AS ct
FROM   tbl
GROUP  BY category, property_b, property_a
ORDER  BY category, property_b, ct DESC;

返回：

category | property_b | property_a | ct
---------+------------+------------+----
X        | old        | tall       | 2
X        | young      | short      | 1
Y        | old        | short      | 2

如果多个对等体绑定最常见的值，则只返回一个任意选择。

这适用于没有子查询的单个查询级别，因为在GROUP BY步骤之前应用了聚合（DISTINCT）。 DISTINCT ON的详细说明：
Select first row in each GROUP BY group?

SQL Fiddle.

如何为每个Y找到最相关的X？

2 个答案: