在列中生成值的组合

Question

我有一个包含 3 列的表格。我需要生成基于特定"diagnosis" 执行的表的值（在“测试”列中）的combinations（总是在 3's）。参考下表，对于每个cust_id，都有一个"diagnosis" 列，基于该列执行"tests"。现在对于每个诊断值组，我需要在“测试”列中生成相应值的唯一组合。请注意，组合应始终包含 3 个值。

患者：

pat_id | diagnosis | tests

1001 | Thyroid | CAT
1001 | Thyroid | MRI
1001 | Thyroid | Blood

1001 | Tonsil  | CAT
1001 | Tonsil  | MRI
1001 | Tonsil  | Blood
1001 | Tonsil  | RAPID

1002 | Pneumonia | MRI
1002 | Pneumonia | Eliza

所以，对于pat_id = '1001' 和diagnosis = 'Thyroid'，我们看到“测试”有 3 个不同的值。因此，只有 1 个唯一的组合是可能的，即{CAT, MRI, Blood}。 同样，对于pat_id = '1001' 和diagnosis = 'Tonsil'，我们看到“test”列中有 4 个不同的值。因此，将有 4 种组合，即{CAT, MRI, Blood}、{CAT, MRI, RAPID}、{MRI, Blood, RAPID} 和{CAT, blood, RAPID}。 对于pat_id = '1002'，仅存在两个唯一值。因此组合将只有 1 即{MRI, Eliza} 像这样，我需要为组中的所有诊断值生成相似的组合，并输出出现次数最多的唯一组合。

请注意，任何时候都应使用 3 个值进行组合。

此表中有大约25 Mil 条记录。那么有没有什么方法可以在 MySQL 中有效地实现这一点而不会对性能产生重大影响？

PS：如果需要，我们有一个 python 环境，如果需要，可以通过从 csv 文件中读取数据来实现这一点。

Answer 1

您可以使用自联接：

select p1.pat_id, p1.diagnosis, p1.tests, p2.tests, p3.tests
from patient p1 join
     patient p2
     on p1.pat_id = p2.pat_id and p1.diagnosis = p2.diagnosis and
        p1.tests < p2.tests join
     patient p3
     on p2.pat_id = p3.pat_id and p2.diagnosis = p3.diagnosis and
        p2.tests < p3.tests ;

即使在(pat_id, diagnosis, tests) 上使用推荐的索引，由于查询会产生大量数据，这也会很慢。