SQL 聚合唯一对

Posted

技术标签:

【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。

【问题讨论】:

【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&lt;(或&gt;),否则您将重复计算所有对。 @wildplasser;你的意思是你会同时拥有 p1, p2p2, 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&gt; 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)

【讨论】:

以上是关于SQL 聚合唯一对的主要内容,如果未能解决你的问题,请参考以下文章

如何使用 MongoDB 聚合对唯一 ID 求和?

唯一标识符 (GUID) 上的聚合函数

Elasticsearch 分组聚合查询(bucket) --- 2022-04-03

SQL Server rand() 聚合

SQL SERVER数据库 唯一索引 非唯一索引 聚集索引 非聚集索引 之间区别

在 bigquery Standard sql 中按问题分组,并且无法获取唯一记录