我如何找到每年排名前 N 的击球手？

Posted 2023-03-31

【中文标题】我如何找到每年排名前 N 的击球手？

【英文标题】：How do I find the top N batters per year?

【发布时间】：2010-06-17 16:47:47

【问题描述】：

我在 mysql 实例中使用 Lahman Baseball Database。我想找到每年都在本垒打（HR）中名列前茅的球员。 Batting 表的架构具有以下（相关部分）：

+-----------+----------------------+------+-----+---------+-------+
| Field     | Type                 | Null | Key | Default | Extra |
+-----------+----------------------+------+-----+---------+-------+
| playerID  | varchar(9)           | NO   | PRI |         |       |
| yearID    | smallint(4) unsigned | NO   | PRI | 0       |       |
| HR        | smallint(3) unsigned | YES  |     | NULL    |       |
+-----------+----------------------+------+-----+---------+-------+

每一年，每个玩家都有一个条目（每年数百到 12k，可追溯到 1871 年）。一年内获得前 N 名击球手很容易：

SELECT playerID,yearID,HR
FROM Batting
WHERE yearID=2009
ORDER BY HR DESC LIMIT 3;
+-----------+--------+------+
| playerID  | yearID | HR   |
+-----------+--------+------+
| pujolal01 |   2009 |   47 |
| fieldpr01 |   2009 |   46 |
| howarry01 |   2009 |   45 |
+-----------+--------+------+

但我有兴趣从每年中找出前 3 名。我找到了像 this 这样的解决方案，描述了如何从一个类别中选择顶部，我试图将它应用到我的问题中，结果却得到一个永远不会返回的查询：

SELECT
    b.yearID, b.playerID, b.HR
FROM
    Batting AS b
LEFT JOIN
    Batting b2
    ON
    (b.yearID=b2.yearID AND b.HR <= b2.HR)
GROUP BY b.yearID HAVING COUNT(*) <= 3;

我哪里出错了？

【问题讨论】：

您需要先按PED使用情况（降序）排序。

【参考方案1】：

这样的事情应该工作：

SELECT b.playerID, b.yearID, b.HR
FROM Batting b 
WHERE HR >= (
    SELECT b2.HR 
    FROM Batting b2 
    WHERE b2.yearID=b1.yearID
    ORDER BY b2.HR DESC
    LIMIT 2, 1
)
ORDER BY b.yearID DESC, b.HR DESC;

解释：选择所有本垒打数 >= 数为当年第三高的行。这不会断绝关系。因此，如果有多个击球手拥有相同数量的本垒打，他们都会出现。

结果是从最近一年开始排序的，每年按排名进行子排序。

注意：LIMIT 是从 0 开始的偏移量，所以 2, 1 表示从第二行开始抓一行，即：第三行。

【讨论】：

LIMIT 解释加 1。

LIMIT 参数实际上是相反的：偏移量，然后是行数。此外，您在子查询中有一个错误——b1 应该只是 b。除此之外，这是正确的。自 2005 年以来，just 花了 4:18 才找到结果（Macbook Pro、OS X 10.6.3、Core 2 2.5GHz、足够的 RAM 可以将所有数据存储在内存中），所以也许有一些进行优化。

感谢您指出限制细节。我编辑了我的答案。您是否将查询缓存设置为足够大以将所有内容保存在内存中？它如此缓慢的原因是 Batting 中的每一行都执行了非常昂贵的子查询。可能的优化是在 yearID 上添加一个索引并在 HR 上添加另一个索引。进一步的优化是制作一个临时表，该表每年保存第三高的 HR 计数以进行比较。

太棒了，感谢您的提示！索引 yearID 和 HR 在 2 秒内完成了查询。

【参考方案2】：

哇，随机。我碰巧在 Lahman Baseball DB 上使用article 模拟 Oracle 分析函数进行了相同的查询（尽管是工资）。这个版本的查询很简洁，但不是那么直观。

select *
from (

select 
    b.yearID as year,
    b.teamID as team,
    m.nameFirst as first,
    m.nameLast as last,
    find_in_set(b.HR, x.teamRank) as rank,
    b.HR as HR


from 
    Batting b
    inner join Master m on m.playerID = b.playerID
    inner join (select yearID, group_concat(distinct HR order by HR desc) as teamRank from Batting group by yearID) x on x.yearID = b.yearID

) x

where 
    rank <= 10 and rank > 0 

order by    
    year desc, rank

或者 2010 年每个团队的前 5 名人力资源总数......

select *
from (

select 
    b.yearID as year,
    b.teamID as team,
    m.nameFirst as first, 
    m.nameLast as last, 
    b.HR as HR,
    find_in_set(b.HR, x.teamRank) as rank

from 
    Batting b
    inner join Master m on m.playerID = b.playerID
    inner join (select teamID, group_concat(distinct HR order by HR desc) as teamRank from Batting where yearID = 2010 group by teamID) x on x.teamID = b.teamID
where 
    b.yearID = 2010
) x

where 
    rank <= 5 and rank > 0 

order by    
    team, rank

limit 12

显示这些结果...

year    team    first   last        HR  rank
2010    ARI Mark    Reynolds    32  1
2010    ARI Chris   Young       27  2
2010    ARI Kelly   Johnson     26  3
2010    ARI Adam    LaRoche     25  4
2010    ARI Justin  Upton       17  5
2010    ATL Brian   McCann      21  1
2010    ATL Jason   Heyward     18  2
2010    ATL Troy    Glaus       16  3
2010    ATL Martin  Prado       15  4
2010    ATL Eric    Hinske      11  5
2010    BAL Luke    Scott       27  1
2010    BAL Ty      Wigginton   22  2