按其他列值获取列中每个唯一值的前 x% 行

Question

表格“标签”：

Source  Target      Weight
#003    blitzkrank  0.83
#003    deutsch     0.7
#003    brammen     0.57
#003    butzfrauen  0.55
#003    solaaaa     0.5
#003    moments     0.3
college scandal     1.15
college prosecutors 0.82
college students    0.41
college usc         0.33
college full house  0.17
college friends     0.08
college house       0.5
college friend      0.01

该表在“源”列中有 5.600.000 行和约 91.000 个唯一条目。

对于“源”和“目标”中的每个唯一值，我需要按权重排序的前 x% 行（例如前 20%、前 30%，需要可变）（表格按“源”排序（升序）和“重量”（降序）。

• 如果行具有相同的“权重”，则按字母顺序排列行。
• 如果 x% == 0 至少占用一行。

由于会有重复项（例如，“Source = "college" 将产生至少一个重复行作为 "Target" = "scandal"），因此应尽可能删除重复条目。否则没什么大不了的。

“来源”的计算：

6 rows where Source = "#003", 6 * 0.2 = 1.2 = take 1 row
8 rows where Source = "college", 8 * 0.2 = 1.6 = take 2 rows

“来源”所需的结果表：

Source  Target      Weight
#003    blitzkrank  0.83
college scandal     1.15
college prosecutors 0.82

如何在 SQLite 数据库的 SQL 中做到这一点？

Answer 1

如果您想要source 的样品：

select t.*
from (select t.*,
             row_number() over (partition by source order by weight desc, target) as seqnum,
             count(*) over (partition by source) as cnt
      from t
     ) t
where seqnum = 1 or  -- always at least one row
      seqnum <= round(cnt * 0.2);

根据您的示例，我认为这就是您想要的。您可以为target 构造一个类似的查询。