SQL查询 - 按另一列排序一组列

Posted 2023-02-24

【中文标题】SQL查询 - 按另一列排序一组列

【英文标题】：SQL query - order one group of columns by another column

【发布时间】：2021-12-15 14:41:26

【问题描述】：

我打算创建一个包含数百万行的表，按以下方式组织：

file,word,occurrences

file23,apples,343<br>
file17,apples,3<br>
file10341,apples,0<br>
...<br>
file16000,apples,0

此表将包含 16,000 个唯一单词，它们在 16,000 个唯一文件中出现。

我想找到一种方法来通过定位特定单词来查询表格，然后只查找最相关的结果 - 即出现次数最多的前 10 个文件。

我尝试了以下代码及其变体，但没有奏效：

WHERE/HAVING `word`=('apples', 'oranges', 'prunes') ORDER BY `occurrences` DESC

话虽如此，我该如何执行此查询，即专门关注相关单词，按出现次数列出它们，并获取前 10-15 个最相关的文件？

【问题讨论】：

帮助我们帮助您并编辑您的问题以包含Minimal, Reproducible Example

但这正是我要问的原因 - 我是 SQL 新手，我不擅长查询表。我弄乱了我发布的代码的 sn-p，我还尝试了 GROUP BY 语句，但无济于事。我已经清楚地描述了我要做什么 - 定位一列“单词”，按另一列“出现”对其进行排序，并获取第三列“文件”的前 10-15 个元素。

`WHERE word IN ('a','b','c') 并在末尾添加 LIMIT 15

【参考方案1】：

这就是 FULLTEXT 索引的用途。该表每个文件只有一行，因此只有 16K 行。将有一个 TEXT 列，其中包含该文件中的单词。然后MATCH(col) AGAINST("+apples +oranges" IN BOOLEAN MODE) 将为行提供所有这些单词以及相关性。 （“相关性”并不完全是“发生”。）

如果您选择坚持当前的结构，则“发生次数”没有明确指定。如果一个文件中有 100 个苹果和 20 个橙子怎么办？这是否与每个出现 60 次的文件一样“相关”？是否应该考虑包含“apples”但没有“oranges”的文件？还是所有给定的词都需要出现？

顺便说一句，这是您正在寻找的语法：

`word` IN ('apples', 'oranges', 'prunes')

关于您的数据的问题。 （这可能会影响性能。）有多少“文件”有一个典型的词？通常，有多少个文件包含所有请求的单词？

CREATE TABLE t (
    `file` VARCHAR(...) NOT NULL,
    `word` VARCHAR(...) NOT NULL,
    occurrences INT NOT NULL,
    PRIMARY KEY(`word`, `file`),
    INDEX(`file`)
) ENGINE=InnoDB;

SELECT `file`, SUM(occurrences) as tot_occ
    FROM t
    WHERE `word` IN ('apples', 'oranges', 'prunes')
    GROUP BY `file`
    ORDER BY tot_occ DESC
    LIMIT 10;

【讨论】：

绝大多数数据将为 NULL。意思是，绝大多数文件不包含典型的单词，因此，可能不会出现相关性问题，因为大多数单词都分布在文件之间。通常，很少有文件会包含所有单词，因为我手动将 170,000 个单词削减到大约 16,000 个，只保留名词、一些更重要的动词、一些形容词等。大多数“通用”单词都被删除了。

我会坚持我的方法，这似乎更简单，作为一个初学者，但我很欣赏详尽的答案。

用 SUM 代替 AVG。很好的评论。

【参考方案2】：

使用 Limit 的简单排序应该可以工作。

select file, word, occurrences from yourtable where word in ('apples', 'oranges', 'prunes')  ORDER BY occurrences DESC
Limit 10

** 你需要使用 word in ('apples', 'oranges', 'prunes') 代替 word=('apples', 'oranges', 'prunes')

** 由于没有 group by 子句，因此不需要拥有