获取满足多个条件的客户 ID 的随机样本答案

【问题标题】：Get random sample of customer IDs that meet multiple conditions获取满足多个条件的客户 ID 的随机样本
【发布时间】：2021-05-14 15:02:00
【问题描述】：

我有一个包含以下列的客户数据 SQL 表：

ID, age, postcode, sign up method

我需要得到满足多个条件的数据的随机样本：

20% 一个年龄组，30% 另一个年龄组
50% 女性
x% 一个区域，y% 另一个区域，z% 另一个区域等。

有人知道我该怎么做吗？我以前创建过随机样本，但不是在这种情况下

【问题讨论】：

我不明白你所说的“随机样本”是什么意思。例如，整体数据是否应该是 50% 的女性，或者您希望您的样本是数据中 50% 的女性？如果您有来自第一个年龄组的女性，那么您的总数不会达到 100%。
每个地区和年龄组的女性必须占 50%。它是随机的，因为我只想要完整样本的 c.10%，它必须是随机的 10%，但样本符合上述标准

标签： sql random sample

【解决方案1】：

我认为您需要 SQL 表中的 n 个随机行。

一个年龄组的 n1 行
n2 行来自另一个年龄组
一个区域的 n3 行
...

其中 n1 + n2 + n3 + ... = n。例如 PostgreSQL：

(SELECT * FROM customers
WHERE age > g0 AND age < g1
ORDER BY RANDOM()
LIMIT (n - n1))

UNION

(SELECT * FROM customers
WHERE age > g2 AND age < g3
ORDER BY RANDOM()
LIMIT (n - n2))

UNION

(SELECT * FROM customers
WHERE region = r0
ORDER BY RANDOM()
LIMIT (n - n3))

#g0,g1,g2,g3为年龄参数，r0为区域参数

【讨论】：