SQL 聚合唯一对

Posted 2023-03-29

【中文标题】SQL 聚合唯一对

【英文标题】：SQL aggregate unique pairs

【发布时间】：2012-05-20 12:56:02

【问题描述】：

我有一个 PostgreSQL 表，它主要是一个桥表，但它也有一些额外的东西。

本质上，它包含有关游戏中玩家的信息。所以我们有一个游戏中玩家实例的唯一ID。然后一个 id 是 FK 到游戏表，一个 id 是 FK 到玩家表。还有一些其他无关紧要的东西。像这样的：

Table players_games
| id        | 12564
| player_id | 556
| game_id   | 156184

我想做的是找出一个玩家与另一个玩家一起玩的次数。所以，如果player1和player2在同一个游戏中，他们就一起玩过一次。一个游戏中有 2 个以上的玩家。

所以我要做的是填充一个新表，其中包含三个值：player_lo、player_hi、times_played。

并且每对有一行以及他们玩的次数，或者如果最终效率更高，则每次迭代都有一行并将值设置为 1，以便以后可以将它们加在一起，也许是分布式的.所以你可能会看到类似的东西：

p1, p2, 1
p1, p2, 1

这些后来被简化为：

p1, p2, 2

所以我想知道是否有一些巧妙的方法可以使用 SQL 来完成此任务，或者是否有 SQL 可以减少我的编程工作量，然后才开始编写一个稍微复杂的 python 脚本来执行此操作。

【参考方案1】：

为此，您需要在 player_games 表上进行自联接。第一个子查询针对第一个玩家，第二个针对第二个玩家。 “第一个”玩家是具有较低玩家 ID 的玩家。

select pg1.player_id as player1, pg2.player_id as player2, count(*) as num_games
from (select distinct game_id, player_id
      from  players_games pg
     ) pg1 join
     (select distinct game_id, player_id
      from players_games pg
     ) pg2
     on pg1.game_id = pg2.game_id and
        pg1.player_id < pg2.player_id
group by pg1.player_id, pg2.player_id

请注意，加入条件在玩家 ID 上使用“

另外，我在内部子查询中添加了一个“distinct”，以防单个玩家可能在给定游戏中出现多次。也许这不是必需的。可以肯定的是，您应该在复合键 game_id、player_id 上有一个唯一索引。

【讨论】：

那里的语法似乎有些问题：错误：缺少表“p1”的 FROM 子句条目

【参考方案2】：

select p1, p2, count(*) from (
    select 
      pg1.player_id as p1, pg1.game_id, pg2.player_id as p2
    from
      players_games pg1, players_games pg2
    where
      pg1.game_id = pg2.game_id and pg1.player_id != pg2.player_id
) foo
group by p1, p2

请注意，这会对players_games 进行完全连接，因此如果表很大，它可能会非常慢。关键部分是用于获取计数的group by。

【讨论】：

在这种情况下你会考虑 100,000,000 行“大”吗？

我会将!= 更改为<（或>），否则您将重复计算所有对。

@wildplasser;你的意思是你会同时拥有 p1, p2 和 p2, p1 ？这不是重点吗？

是的。我不知道 OP 的确切意图（我不太清楚......）可能是任何一种方式......

@wildplasser：我很确定，您对> 而不是!= 的评论是准确的。实际上，它将列出(p1, p2) 两次（以相反的顺序，具有相同的计数）。除此之外，这是关系除法的一个特例。我们收集了很多关于 in this related question 的信息。

【参考方案3】：

SET search_path='tmp';
DROP TABLE players_game CASCADE;
CREATE TABLE players_game
        ( game_id INTEGER NOT NULL
        , player_id INTEGER NOT NULL
        );
INSERT INTO players_game(game_id,player_id) VALUES
 (1,100) ,(1,101) ,(2,100) ,(2,101)
,(3,100) ,(3,101) ,(4,102) ,(4,101)
        ;

WITH pair AS (
    SELECT g1.player_id AS p1
     , g2.player_id AS p2
    FROM players_game g1
    JOIN players_game g2 ON g1.game_id = g2.game_id
    WHERE g1.player_id < g2.player_id
    )
SELECT pa.p1 , pa.p2, COUNT(*) AS num_games
FROM pair pa
GROUP BY p1, p2
ORDER BY num_games DESC
        ;

结果：

SET
ERROR:  table "players_game" does not exist
CREATE TABLE
INSERT 0 8
 p1  | p2  | num_games 
-----+-----+-----------
 100 | 101 |         3
 101 | 100 |         3
 102 | 101 |         1
 101 | 102 |         1
(4 rows)