Question

我需要对从不同类别购买的客户进行随机抽样。有8个类别，订单分布在其中。

如果我想对已购买产品的客户进行随机抽样，但每个类别的订单比例保持不变，我该如何在sql代码中进行设置？

下面的表格突出显示了该表格（不包括客户数据-我希望我的客户列表基于订单的代表比例）：

我正在使用的

Answer 1

基本上，您将使用row_number()，order by，然后选择第n个值。因此，对于约1％的分层样本，请执行以下操作：

select t.*
from (select t.*,
             row_number() over (order by category, rand()) as seqnum
      from t
     ) t
where mod(seqnum, 101) = 1
order by category;

基本思想是，您可以通过按类别对结果集进行排序并对结果进行第n个样本来获得分层样本。

Answer 2

@Dnoeth解决方案有效且易于使用。但是，请将rand（）更改为random（）。 AWS redshift的随机函数名称为“ random”。请参阅https://docs.aws.amazon.com/redshift/latest/dg/r_RANDOM.html。 'random（）对我有用，但对rand（）不起作用

select *

from
(
 select t.*
  ,percent_rank()
   over (partition by category
         order by random()) as pr
from tab
) as dt 
where pr <= 0.1 -- similar to 10% sample

Answer 3

尝试对随机订单执行PERCENT_RANK以获得n％的订单样本：

select *
from
 (
   select t.*
      ,percent_rank()
       over (partition by category
             order by rand()) as pr
   from tab
 ) as dt
where pr <= 0.1 -- similar to 10% sample

如何在Redshift中进行分层随机抽样？

3 个答案: