Question

我有一个包含两列id和flag的表。数据非常不平衡。仅有少数flag的值为1，其他的值为0。

现在，我想创建一个平衡表。因此，我想根据flag = 0的记录数从flag = 1获取一个子集。另外，我不希望这个数字大于1000。

我正在考虑这样的代码：

select *
from table
where flag = 0
order by random()
limit (least(1000, 
             select count(*) 
             from table 
             where flag = 1));

预期结果（只有两个记录的flag为1，所以我得到两个记录，其中flag为0，如果有1000条以上的记录的flag为1，我只会得到1000）。

id flag
2   0
7   0

Answer 1

如果您想要平衡的样品：

select t.*
from (select t.*, row_number() over (partition by flag order by flag) as seqnum,
             sum(case when flag = 1 then 1 else 0 end) over () as cnt_1
      from t
     ) t
where seqnum <= cnt_1;

您可以将其更改为：

where seqnum <= least(cnt_1, 1000)

如果您想要一个整体最大值。

Answer 2

您可以使用row_number模拟LIMIT。

var message = "" per var rateValue:Double = 0.0 and replaced

如果我做出了错误的假设，请发表评论，然后重新调整答案。

如何将数字与计数结果进行比较，然后在redshift / sql中的limit语句中使用它

2 个答案: