Question

我正在尝试编写一个返回任意大小的代表性数据样本的查询。我想通过仅选择n ^th行来实现这一点，其中n使得整个结果集尽可能接近任意大小。

我希望这在结果集通常小于任意大小的情况下起作用。在这种情况下，应返回整个结果集。

我发现this question显示了如何选择每一个^th行。

以下是我到目前为止的情况：

SELECT * FROM (
   SELECT *, ((row_number() OVER (ORDER BY "time"))
               % ceil(count(*)::FLOAT / 500::FLOAT)::BIGINT) AS rn
   FROM data_raw) sa
WHERE sa.rn=0;

这会导致以下错误：

错误：列＆＃34; data_raw.serial＆＃34;必须出现在GROUP BY子句中或用于聚合函数Position：23

删除n这样的计算有效：

SELECT * FROM (
   SELECT *, (row_number() OVER (ORDER BY "time"))
              % 50 AS rn FROM data_raw) sa
LIMIT 500;

我也尝试将计算移动到WHERE子句：

SELECT * FROM (
   SELECT *, (row_number() OVER (ORDER BY "time")) AS rn
   FROM data_raw) sa
WHERE (sa.rn % ceil(count(*)::FLOAT / 500::FLOAT)::BIGINT)=0;

这也会导致错误：

错误：WHERE位置：108
中不允许使用聚合函数

有没有人对如何修复我的查询或更好的方法有任何想法？

我还考虑过使用随机数和概率来选择行，但我宁愿做一些确定性的事情而不会有结块的可能性。

Answer 1

您应该将该计算作为子查询：

WHERE rn % (SELECT CEIL(COUNT(*)::FLOAT / 500:FLOAT)::BIGINT FROM data_raw) = 0

这样，它不再被视为聚合函数，而是作为标量查询。

Answer 2

您第一次尝试的错误是您无法将聚合函数count(*)与未聚合选择的行混合使用。您可以使用count()作为窗口聚合函数来解决此问题：

SELECT * FROM (
   SELECT *, ((row_number() OVER (ORDER BY "time"))
               % ceil(count(*) OVER () / 500.0)::int) AS rn
   FROM   data_raw
   ) sub
WHERE sub.rn = 0;

此处有详细解释：

Best way to get result count before LIMIT was applied

@Alexander修复了您的上一次尝试。

通过均匀跳过行来选择固定行数

2 个答案: