SQL数据抽样

Question

我们已经向外部公司提供了一些数据。 他们只需要一个数据样本，简单的权利？错误。

这里是他们取样标准：

• 的由720（所需的样本大小）除以记录总数 - 这使采样间隔（如果结果是一小部分，向下舍入到下一个整数）。

• 减半采样间隔以获得起点。

• 通过在采样间隔上添加来返回每条记录。

实施例：

• 万记录 - 采样间隔= 13（10,000/720）
• 起点= 6（13/2四舍五入）
• 返回记录6,19（6+ 13），32（19 + 13），45（32 + 13）等.....

请可有人告诉我如何（如果）这样的事情是可能的SQL。

Answer 1

如果你有使用ROW_NUMBER（），那么你可以做到这一点相对容易。

SELECT 
    * 
FROM 
(
    SELECT 
    ROW_NUMBER() OVER (ORDER BY a, b, c, d) AS record_id, 
    * 
    FROM 
    yourTable 
) 
    AS data 
WHERE 
    (record_id + 360) % 720 = 0 

ROW_NUMBER()给您所有的数据顺序标识符（这是id字段都必须是唯一的，并没有任何的差距很重要）。它还定义了你想要的数据的订单号码为(ORDER BY a, b, c, d)。

使用该编号，如果使用Modulo（通常是%运算符），则可以测试记录是第720条记录，第1440条记录等（因为720％720 = 0）。

然后，如果您将id值减去360，则可以更改结果集的起点。

编辑

重新阅读的问题后，我看你不希望每次720次的纪录，但均匀选择720分的记录。

这样，与(SELECT COUNT(*)/720 FROM yourTable)

替换720并与(SELECT (COUNT(*)/720)/2 FROM yourTable)

EDIT

取代360忽略的舍入条件将允许的准确720记录的结果。这要求使用非整数值，并且模的结果小于1。

WHERE 
    (record_id + (SELECT COUNT(*) FROM yourTable)/1440.0) 
    % 
    ((SELECT COUNT(*) FROM yourTable)/720.0) 
    < 
    1.0 

Answer 2

declare @sample_size int, @starting_point int 

select @sample_size = 200 

select top (@sample_size) col1, col2, col3, col4 
from (
    select *, row_number() over (order by col1, col2) as row 
    from your_table 
) t 
where (row % ((select count(*) from your_table)/@sample_size)) - (select count(*) from your_table)/@sample_size/2) = 0 

这将在SQL Server 2005+的工作。

TOP (@variable)用于限制行（where条件，因为四舍五入可能不够，可能会返回更多行，然后需要）和ROW_NUMBER()来编号和排序行。

工作例如：http://data.stackexchange.com/stackoverflow/query/62315/sql-data-sampling下面的代码：

declare @tab table (id int identity(1,1), col1 varchar(3), col2 varchar(3)) 

declare @i int 

set @i = 0 

while @i <= 1000 
begin 
    insert into @tab 
    select 'aaa', 'bbb' 
    set @i = @i+1 
end 

declare @sample_size int 

select @sample_size = 123 

select ((select count(*) from @tab)/@sample_size) as sample_interval 

select top (@sample_size) * 
from (
    select *, row_number() over (order by col1, col2, id desc) as row 
    from @tab 
) t 
where (row % ((select count(*) from @tab)/@sample_size)) - ((select count(*) from @tab)/@sample_size/2) = 0 

Answer 3

您可以使用排名来获得的行数。以下代码将在表中创建10000条记录，然后选择第6，第19和第32等，共计769行。

CREATE TABLE Tbl (
    Data varchar (255) 
) 
GO 

DECLARE @i int 
SET @i = 0 
WHILE (@i < 10000) 
BEGIN 
    INSERT INTO Tbl (Data) VALUES (CONVERT(varchar(255), NEWID())) 
    SET @i = @i + 1 
END 
GO 

DECLARE @interval int 
DECLARE @start int 
DECLARE @total int 
SELECT @total = COUNT(*), 
     @start = FLOOR(COUNT(*)/720)/2, 
     @interval = FLOOR(COUNT(*)/720) 
FROM Tbl 

PRINT 'Start record: ' + CAST(@start as varchar(10)) 
PRINT 'Interval: ' + CAST(@interval as varchar(10)) 

SELECT rank, Data 
FROM (
    SELECT rank() 
    OVER (ORDER BY t.Data) as rank, t.Data AS Data 
    FROM Tbl t) q 
WHERE ((rank + 1) + @start) % @interval = 0 

Answer 4

SQL服务器具有内置函数。选择名，姓
选择名，姓 从Person.Person TABLESAMPLE（10 PERCENT）;