提取特定数量的记录以满足特定的总体条件

Question

我在这里描述了一个抽象案例，但它与我现在试图解决的案例相似。我知道如何使用 PL/SQL 块获得粗略的结果，但我想知道是否有人可以建议使用单个选择查询的解决方案。

假设我们有一个表t_people，其中包含数千条记录，这些记录描述了具有以下一组属性的某些人：

• id
• age，号码
• height 厘米，数字
• gender, varchar2 ('male' or 'female')

并且我们需要抽取N条记录，使得结果集满足以下条件：

• 30% 的入选者身高超过 180 厘米
• 60% 的选定人员是男性
• 40% 的选定人员年龄超过 40 岁

我们还可以假设 N 远小于表中的总行数，并且问题是可以解决的。

您如何建议使用单个选择查询来执行此操作？

谢谢

Answer 1

您可以将数据分成 8 组，然后从每组中按比例抽取样本以满足您的要求。一种粗略的方法是将条件转换为组，例如：

• 300 人高于 180，不是男性，不是老年人
• 100 人矮，不是男性，不是老年人
• 400 人更矮，男性，更年长
• 200 人矮，男性，不老

那么你可以这样处理：

with p as (
      select p.*,
             row_number() over (partition by height, male, age order by height) as seqnum
      from (select p.*,
                   (case when height > 180 then 1 else 0 end) as height,
                   (case when gender = 'male' then 1 else 0 end) as male,
                   (case when age > 40 then 1 else 0 end) as age
            from people p
           ) p
     )
select p.*
from p
where (height = 1 and male = 0 and age = 0 and seqnum <= 300) or
      (height = 0 and male = 0 and age = 0 and seqnum <= 100) or
      (height = 0 and male = 1 and age = 1 and seqnum <= 400) or
      (height = 0 and male = 1 and age = 0 and seqnum <= 200);

您可以使用另一种方法来均匀地填充 8 个桶，跟踪每个维度的数字（年轻/年长、男性/女性、更矮/更高）。然后当第一个维度被填充时停止填充并继续填充 4 个互补单元格。重复该过程，直到获得所需的数字。

Answer 2

我最终选择了Gordon Linoff 的第一种方法suggested，并进行了一些小的修改。我保留了最初的想法，但还引入了几个额外的子查询来指定组内所需的记录分布，并构建了一个矩阵，其中包含每组所需的记录数。还有一个全局参数部分，其中包含指定总记录数的唯一参数。

查询产生了非常有用的结果：

with 
    people as (
        select  id,
                floor(months_between(sysdate, date_birth)/12) age,
                195 - least(floor(months_between(sysdate, date_birth)/12), 50) height,
                decode(sex, 1, 'male', 'female') gender
        from    my_people_table
        where   date_birth is not null and rownum < 100000
    ),
    params as ( /* Global params */
        select  100 rec_count   -- total record count 
        from dual
    ),
    age_groups as (     /* distribution by height */
        select  'group 1' age_group, .7 prc from dual union
        select  'group 2' age_group, .3 prc from dual  
    ),
    height_groups as ( /* distribution by height */
        select  'group 1' height_group, .6 prc from dual union
        select  'group 2' height_group, .4 prc from dual  
    ),
    genders as (       /* distribution by gender */
        select  'male'   gender, .6 prc from dual union
        select  'female' gender, .4 prc from dual  
    ),
    mx as (            /* a matrix with record counts per group */
        select  age_group, height_group, gender,
                ceil(
                    age_groups.prc * 
                    height_groups.prc * 
                    genders.prc * 
                    rec_count
                )  rec_count       
        from    age_groups, height_groups, genders, params
    ),
    xpeople as (       /* Minor transformations - groups and group counters */
        select  p.*, 
                row_number() over (
                    partition by age_group, height_group, gender
                        order by age_group, height_group, gender
                ) rec_num
        from (                             
                select  people.*,
                        case 
                            when age    <=  40 then 'group 1' 
                                               else 'group 2' 
                        end age_group,
                        case 
                            when height <= 180 then 'group 1' 
                                               else 'group 2' 
                        end height_group
                from    people
        ) p
    )
/* the resulting query uses the matrix to filter the records */    
select  xpeople.*
from    xpeople join mx 
            on  xpeople.age_group = mx.age_group 
            and xpeople.height_group = mx.height_group      
            and xpeople.gender = mx.gender
            and xpeople.rec_num <= mx.rec_count 

感谢您的帮助！