2

我正在尝试编写一个返回任意大小的代表性数据样本的查询。我想通过只选择第 n 行来做到这一点,其中n 使得整个结果集尽可能接近任意大小。

我希望这在结果集通常小于任意大小的情况下工作。在这种情况下,应该返回整个结果集。

我发现了这个问题,它显示了如何选择每 n


这是我到目前为止所拥有的:

SELECT * FROM (
   SELECT *, ((row_number() OVER (ORDER BY "time"))
               % ceil(count(*)::FLOAT / 500::FLOAT)::BIGINT) AS rn
   FROM data_raw) sa
WHERE sa.rn=0;

这会导致以下错误:

错误:列“data_raw.serial”必须出现在 GROUP BY 子句中或用于聚合函数位置:23


删除这样的计算n

SELECT * FROM (
   SELECT *, (row_number() OVER (ORDER BY "time"))
              % 50 AS rn FROM data_raw) sa
LIMIT 500;


我还尝试将计算移至 WHERE 子句:

SELECT * FROM (
   SELECT *, (row_number() OVER (ORDER BY "time")) AS rn
   FROM data_raw) sa
WHERE (sa.rn % ceil(count(*)::FLOAT / 500::FLOAT)::BIGINT)=0;

这也会导致错误:

错误:在 WHERE 位置中不允许使用聚合函数:108


有没有人对如何修复我的查询或更好的方法有任何想法?

我也考虑过使用随机数和概率来选择行,但我宁愿做一些确定性的事情,而不会出现聚集的可能性。

4

2 回答 2

1

您应该将该计算作为子查询:

WHERE rn % (SELECT CEIL(COUNT(*)::FLOAT / 500:FLOAT)::BIGINT FROM data_raw) = 0

这样,它不再被视为一个聚合函数,而是一个标量查询。

于 2014-11-19T09:37:45.090 回答
1

您第一次尝试的错误是您不能将聚合函数count(*)未聚合的行选择混合。您可以改为使用count()as window-aggregate 函数来解决此问题:

SELECT * FROM (
   SELECT *, ((row_number() OVER (ORDER BY "time"))
               % ceil(count(*) OVER () / 500.0)::int) AS rn
   FROM   data_raw
   ) sub
WHERE sub.rn = 0;

详细解释在这里:

@Alexander为您的最后一次尝试提供了修复。

于 2014-11-19T11:02:50.080 回答