Question

例如，如果我有一个名为companyId的列和我要保留的许多其他列，并且在companyId中我有100,101,102等的值，基本上是ID列表，每个Id显示不同的数字时间。如何根据companyId列随机抽样数据，以便根据每个Id的比例进行抽样？

例如：如果我有500行和100个companyA，100个companyB和300个companyC，我想从这个表中抽取100行。如何使我的数据有20个公司A，20个公司B和60个公司C？

非常感谢。

Answer 1

您应该使用自SELECT documentation中描述的PostgreSQL 9.5以来可用的TABLESAMPLE子句。

有两种内置表格抽样方法：SYSTEM和BERNOULLI。两者都尝试获取随机样本，但SYSTEM方法选择表格块并使用其中的数据，而BERNOULLI使用整个表格中的随机样本。 SYSTEM速度更快，但BERNOULLI提供了更均匀分布的样本。

您必须指定要获取的行的百分比如果你想要五分之一的表，你可以使用：

SELECT * FROM mytable TABLESAMPLE BERNOULLI (20);

如果您的要求是获取一定数量的结果行，您可以考虑使用tsm_system_rows contrib模块，该模块提供与SYSTEM_ROWS类似的SYSTEM表示例方法，但您可以指定结果行数。