如何使用 SQL 从列中获取 >= 25%、50%、75% 的值答案

【问题标题】：How to get values that are >= 25%, 50%, 75% of a list from a column using SQL如何使用 SQL 从列中获取 >= 25%、50%、75% 的值
【发布时间】：2020-04-29 11:22:37
【问题描述】：

我的表有一个名为 Speed（整数）的列，我需要在该列表中选择大于 25%、50%、... 值的值。

样本数据：

+-------+
| Speed |
+-------+
|     1 |
|     2 |
|     3 |
|     4 |
|     5 |
|     6 |
|     7 |
|     8 |
|     9 |
|    10 |
+-------+

期望的输出：

+--------+
| OUTPUT |
+--------+
|      3 |
|      5 |
|      8 |
+--------+

解释：

3 >= 列表中的 25% 数字
5 >= 列表中的 50% 数字
8 >= 列表中的 75% 数字

我认为我应该对数据进行排序，并执行以下操作：

SELECT speed 
FROM my_table
WHERE speed IN (ROUND(0.25 * <total_row>), ROUND(0.50 * <total_row>),..)

但我不知道如何获得 <total_row> 参考。如果我可以SELECT COUNT(speed) AS total_row，然后再使用它，那就太好了。

非常感谢。

【问题讨论】：

Clickhouse 实现了非常有限的 SQL 子集。您还有其他可供数据库使用的选项吗？
我不知道为什么这个问题会被否决。

标签： sql select where-clause clickhouse

【解决方案1】：

create table Speed Engine=Memory 
as select number+1 X from numbers(10);

SELECT quantilesExact(0.25, 0.5, 0.75)(X)
FROM Speed

┌─quantilesExact(0.25, 0.5, 0.75)(X)─┐
│ [3,6,8]                            │
└────────────────────────────────────┘


SELECT arrayJoin(quantilesExact(0.25, 0.5, 0.75)(X)) AS q
FROM Speed

┌─q─┐
│ 3 │
│ 6 │
│ 8 │
└───┘

SELECT arrayJoin(quantilesExact(0.25, 0.499999999999, 0.75)(X)) AS q
FROM Speed

┌─q─┐
│ 3 │
│ 5 │
│ 8 │
└───┘

在 CH 领域 Join 不适用，因为它通常有数十亿行。

create table Speed Engine=MergeTree order by X  as select number X from numbers(1000000000);

SELECT quantilesExact(0.25, 0.5, 0.75)(X)
FROM Speed

┌─quantilesExact(0.25, 0.5, 0.75)(X)─┐
│ [250000000,500000000,750000000]    │
└────────────────────────────────────┘

1 rows in set. Elapsed: 7.974 sec. Processed 1.00 billion rows,

SELECT quantiles(0.25, 0.5, 0.75)(X)
FROM Speed

┌─quantiles(0.25, 0.5, 0.75)(X)────────┐
│ [244782599,500713390.5,751014086.75] │
└──────────────────────────────────────┘

1 rows in set. Elapsed: 1.274 sec. Processed 1.00 billion rows

【讨论】：

由于我使用的是 ClickHouse，所以这个答案是最好的匹配。一般而言，其他答案对 SQL 来说非常有用。

【解决方案2】：

评论有点长。

基本上，要在 SQL 中回答这个问题，有三种方法：

窗口函数。
用于计算累积计数的相关子查询。
具有不相等条件和聚合到计算累积计数的自联接。

第一个是 BY FAR 最好的方法。但是另外两个可以在不支持窗口函数的数据库中使用。

唉，Clickhouse 不支持：

窗口函数。
相关子查询。
非等值连接。

它可能具有支持其中一项或多项功能的未记录功能或扩展。但是，基本产品似乎不支持足够的 SQL 来作为单个查询执行此操作。

编辑：

似乎有办法，假设rowNumberInAllBlocks() 遵循order by 中指定的顺序：

select t.*
from (select t.*,
             rowNumberInAllBlocks() as seqnum,
             tt.cnt
      from t cross join
           (select count(*) as cnt from t) tt
      order by speed
     ) t
where (t.seqnum <= tt.cnt * 0.25 and t.seqnum + 1 > tt.cnt * 0.25) or
      (t.seqnum <= tt.cnt * 0.50 and t.seqnum + 1 > tt.cnt * 0.50) or
      (t.seqnum <= tt.cnt * 0.75 and t.seqnum + 1 > tt.cnt * 0.75) ;

【讨论】：

【解决方案3】：

对不起，一个无效但有效的解决方案，试试这个：

为最大值声明一个 var：

declare @maxspeed int = (select max(speed) from my_table)

从 my_table 中选择相关值：

select speed 
from my_table
where speed in ((select top 1 speed 
                 from @my_table
                 where speed > 0.25 * @maxspeed),
                (select top 1 speed 
                 from @my_table
                 where speed > 0.5 * @maxspeed),
                (select top 1 speed 
                 from @my_table
                 where speed > 0.75 * @maxspeed))

【讨论】：

【解决方案4】：

首先，您进行自联接，因此每行都与 Speed 小于或等于行 Speed 的所有行联接。
然后交叉连接到返回表总行数的查询。
最后按每个Speed 更大的行的百分比进行分组，四舍五入为整数值25、50 和75，得到每个组的最小Speed：

select min(t.speed) Output 
from (select count(*) total from tablename) c
cross join (
  select t.speed, count(*) counter
  from tablename t inner join tablename tt
  on tt.speed <= t.speed
  group by t.speed
) t 
where 25 * floor(floor(100.0 * t.counter / c.total) / 25) in (25, 50, 75)
group by 25 * floor(floor(100.0 * t.counter / c.total) / 25)

此代码经过测试，适用于 MySql、Postgresql 和 SQL Server。
请参阅demo。
结果：

| output |
| ------ |
| 3      |
| 5      |
| 8      |

【讨论】：