Question

我想从表中随机选择4组具有不同行数的数据，并生成一个新的group_name列。

例如，如果原始表（包含10000行）是这样的：

ID
---
ID1
ID2
...

我想要的结果表（包含2750行）如下所示：

ID   GROUP
---  -----
ID1  1
ID2  3
...  ...

每个组的行数如下：

group1 1000 rows
group2 1000 rows
group3 500 rows
group4 250 rows

这些随机生成的组不应该在行中有任何重叠。

有没有办法一次在Vertica中执行此操作，而不是逐步执行随机选择？

谢谢！

Answer 1

你可以这样做：

SELECT ID, randomint(4)+1 as GROUP
FROM mytable
ORDER BY random()
LIMIT 2750

虽然您可能希望将其填充到本地临时值中进行汇总，因为分组和选择会在每次执行时发生变化。

如果你想保持一致的分组，另一个想法可能是使用HASH()与mod而不是纯随机。这将在每个查询中创建相同的GROUP值。

SELECT ID, (HASH(ID) % 4)+1 as GROUP
FROM mytable
ORDER BY random()
LIMIT 2750

Answer 2

您应该使用row_number

并使用 CTE

WITH cte AS (
    SELECT ID, row_number() over () as RN
    FROM YourTable
)
SELECT ID,
   CASE 
      WHEN rn <= 1000 then 1
      WHEN rn <= 2000 then 2
      WHEN rn <= 2500 then 3
      WHEN rn <= 2750 then 4
  END as GROUP
FROM cte
WHERE rn <= 2750

如果您想要更多随机，可以创建random列并在row_number() over (order by random)函数

上随机排序

如何在HP Vertica

2 个答案: