按两列排序，为啥不先分组呢？

Posted 2023-03-11

【中文标题】按两列排序，为啥不先分组呢？

【英文标题】：Sort by two columns, why not do grouping first?按两列排序，为什么不先分组呢？

【发布时间】：2018-06-12 10:35:48

【问题描述】：

我有两列，一列是包含客户姓名的字符串字段customer，另一列是代表销售额的数字字段sales。

我想做的是按客户对数据进行分组，然后对组内的销售额进行排序。

在 SQL 或 Pandas 中，这通常通过表上的 order by customer, sales 之类的东西来实现。但我只是对这个实现感到好奇。而是先对customer 进行排序，然后对sales 进行排序，为什么不先对customer 进行分组，然后对sales 进行排序。我并不真正关心不同客户的顺序，因为我只关心将相同客户分组在一起的记录。

分组本质上是映射，应该比排序运行得更快。

为什么在 SQL 中没有这样的实现？我错过了什么吗？

示例数据 name,sales john,1 Amy,1 john,2 Amy,3 Amy,4

我希望它按名称分组，然后按销售额排序： name,sales john,1 john,2 Amy,1 Amy,3 Amy,4

在 SQL 中，您可能会使用 select * from table order by name,sales

这绝对可以完成这项工作。但我的困惑是因为我不关心名称的顺序，我应该能够先进行某种分组（这应该比排序便宜）并且只对数字字段进行排序。我能做到吗？为什么谷歌的很多例子只是简单地对这两个字段进行排序？谢谢！

【问题讨论】：

你能提供一个你想要做什么的样本吗？

如果我理解你的要求，我不知道为什么这是不可能的。你应该可以同时使用GROUP BY 和ORDER BY。

这可能是一个很好的例子，说明您为什么应该提供您的代码/查询，而不仅仅是一个（开放式）问题。如果你这样做了，你已经有了答案。由于我们只能猜测您的想法，因此我们可以给出的答案是“是的，您可以在同一个查询中订购和分组”。

这里的例子：SQL Group By with an Order By

其实深入研究这个问题，可能是 Pandas 比泛型 SQL 更复杂的情况之一。我对 Pandas 不熟悉，所以它可能比我想象的要容易，但同样，这不是一个非常复杂的操作。按照雅各布的建议，写出你正在尝试做的事情的例子。您也许可以回答您自己的问题。 （如果是这样，请将其发回此处。）

【参考方案1】：

这就是答案-

当您想根据整个组得出结论时，就完成了分组，例如每个组（在本例中为 John 和 Amy）的已完成销售额。它主要与聚合函数一起使用，或者有时仅用于选择不同的记录。你上面写的是按照 name 和 sales 的顺序对数据进行排序，根本不涉及分组。由于该操作是排序的，因此为它编写的命令显然是排序的。

【讨论】：

感谢您的回答。我当然知道排序应该完成这项工作。我只是从计算效率的角度考虑。也许分组不是正确的术语，因为它可能与 groupby 子句混淆。我认为分组类似于映射。对于“名称”相同的记录，可以映射到同一个组，需要O(n)次操作进行扫描，然后在组内排序。如果使用两个排序，第一个排序应该是 O(n log n)，具体取决于排序算法，并且应该更慢（尽管它应该具有更好的空间复杂度）。

排序确实给出了分组结果，但组的顺序似乎是多余的信息，不值得额外的复杂性

复杂性完全是一个不同的问题，当你有多种选择来做同样的事情时，它的意义就更大了。在这种情况下，您只有一个选择来实现使用排序的预期结果。因此，如果您排除说明复杂性的可能性，即使您可能是正确的，也不能解决问题。分组的顺序不是多余的，不能排除，因为要将属于同一个集群的对象分组，首先需要对整个数据集进行排序，然后只能比较最近的对象，无论是它的 SQL 还是 Shell脚本

我不知道你为什么说我这里没有多个选项。通过使用任何编程语言中的字典或嵌套列表，可以轻松地扫描所有记录并将它们分配到多个组中。不同组之间的顺序是多余的，因为我不在乎组的名称是否按字母顺序排列。但是对于 SQL，您可能是正确的按两列排序可能是唯一的选择。这正是我问这个问题的原因：如果 group 和 sort 比 sort 两次更有效，为什么 SQL 不包含这个实现。还是因为SQL只关心

空间复杂度和使用那些数据结构会消耗大量内存？还是因为 SQL 具有索引选项，所以可能已经用作分组机制？