sql - 在 PostgreSQL 中，如何根据分类列中每个级别的比例从表中随机抽样？

Question

例如，如果我有一个名为 companyId 的列和我想保留的许多其他列，并且在 companyId 中我有像 100 这样的值>, 101, 102, ..., 基本上是一个 ID 列表，每个 ID 出现的次数不同。如何根据 companyId 列随机抽取数据，使其符合每个 Id 的比例？

例如:如果我有 500 行和 100 个 companyA、100 个 companyB 和 300 个 companyC，并且我想从此表中抽取 100 行.如何使我的数据具有 20 个 companyA、20 个 companyB 和 60 个 companyC？

Answer 1

您应该使用自 PostgreSQL 9.5 以来可用的 TABLESAMPLE 子句，在 SELECT documentation 中有描述。 .

有两种内置的表采样方法:SYSTEM 和BERNOULLI。两者都尝试获取随机样本，但 SYSTEM 方法选择表 block 并使用其中的数据，而 BERNOULLI 使用整个表中的随机样本。 SYSTEM 速度更快，但 BERNOULLI 提供了更均匀分布的样本。

您必须指定要获取的行的百分比。
如果你想要你的 table 的五分之一，你会使用:

SELECT * FROM mytable TABLESAMPLE BERNOULLI (20);

如果您的要求是获得一定数量的结果行，您可以考虑使用 tsm_system_rows contrib 模块，它提供了SYSTEM_ROWS 表示例方法，其工作方式类似于SYSTEM，但您可以指定结果行数。