Question

我有两个数据集，baskets（11m行）和事务（23m行），我用它来创建数据集事务的样本。

数据集代表客户在商店购物，交易是客户购买的商品（因此，如果客户购买多件商品，一次访问可能会有多行），篮子是交易摘要，所以只有一行每次访问。

数据集由basket_id加入。篮子是交易的摘要，因此数据集是一致的

当我使用子查询创建交易样本时（例如下面的例子），它返回的篮子比预期的多（只有两倍）

SET seed TO.25;

SELECT 
     COUNT(DISTINCT transactions.basket_id)
FROM 
     transactions
WHERE 
     basket_id IN (
                   SELECT 
                       basket_id 
                   FROM 
                       baskets 
                   WHERE 
                       RANDOM() < 0.01
                  );

当我将其拆分为两个步骤时，它按预期工作：

SET seed TO.25;

CREATE TABLE sample_baskets 
AS
SELECT 
    basket_id
FROM 
    baskets
WHERE 
    RANDOM() < 0.01;

SELECT 
     COUNT(DISTINCT transactions.basket_id)
FROM 
     transactions
INNER JOIN 
     sample_baskets 
ON 
     transactions.basket_id = sample_baskets.basket_id;

使用sql子查询和random（）创建示例

0 个答案: