计算两个总数的运行比率

Posted 2023-03-23

【中文标题】计算两个总数的运行比率

【英文标题】：Compute a running ratio of two totals

【发布时间】：2015-03-13 18:05:06

【问题描述】：

我有一个 PostgreSQL 9.4.1 数据库（Retrosheet 数据），其中有一个表 events，每个棒球比赛包含一行。我想计算给定球员的连续击球平均值：公式是（到目前为止的击球总数）/（到目前为止的有效击球总数）。

我可以使用窗口函数来获取 David Ortiz 的运行总命中数，其播放器代码为 ortid001，使用以下查询：

SELECT count(*) OVER (ROWS BETWEEN UNBOUNDED PRECEDING AND CURRENT ROW) 
FROM events WHERE bat_id='ortid001' AND (event_cd='20' OR event_cd='21' 
OR event_cd='22' OR event_cd='23');

（涉及event_cd 的子句仅标识哪些行被视为命中。）

使用相同的技术，我可以获得一个连续的 at-bats（event_cd 子句拒绝不计为 at-bat 的每一行。请注意，上面选择的命中是 at-蝙蝠）：

SELECT count(*) OVER (ROWS BETWEEN UNBOUNDED PRECEDING AND CURRENT ROW) 
FROM events WHERE bat_id='ortid001' AND (event_cd != '11' AND 
event_cd!='14' AND event_cd!='15' AND event_cd!='16' AND     
event_cd!='17');

如何将这些结合起来？理想情况下，对于使用bat_id='some_player_id' 描述比赛的每一行，我将计算两个函数：描述击球的所有先前行的计数，以及描述命中的所有先前行的计数。将这些除以得出该行的连续击球率。

【参考方案1】：

假设（因为尚未声明）event_cd 是数据类型 integer 并且可以为 NULL。

SELECT *, round(hit::numeric / at_bat, 2) AS rate
FROM  (
   SELECT input_ts
        , count(*) FILTER (WHERE event_cd = ANY ('20,21,22,23'::int[]))
                   OVER (ORDER BY input_ts) AS hit
        , count(*) FILTER (WHERE NOT (event_cd = ANY ('11,14,15,16,17'::int[]))) 
                   OVER (ORDER BY input_ts) AS at_bat
   FROM   events
   WHERE  bat_id = 'ortid001'
   ) sub
ORDER  BY input_ts;

由于您使用的是 pg 9.4，您可以使用新的聚合 FILTER 子句。相关答案：

Conditional SQL count

框架定义ROWS BETWEEN UNBOUNDED PRECEDING AND CURRENT ROW是默认的，所以你不必声明它。

但是数据库表中没有“自然顺序”。不要将此与电子表格混淆。您需要用ORDER BY 定义它。我正在使用虚构的列input_ts，将其替换为定义您的排序顺序的（列表）列。更多：

Select last n rows without use of order by clause

我避免使用NOT IN，因为它在使用 NULL 值时表现出棘手的行为。

转换为numeric 是为了避免整数除法，这会截断小数位并导致有用性问题。将结果四舍五入为两位小数。

【讨论】：

谢谢；有没有办法通过主键显式排序？或者这和依赖当前的默认排序一样糟糕？

@MichaelCurry：当然，只需将 PK 列的名称放在那里。好/坏是您要求的函数。没有ORDER BY 的“默认”顺序只是一个可以随时更改的任意顺序。这是 Postgres 以最方便的方式呈现行的方式，通常是磁盘上行的当前物理顺序，这通常与插入行的顺序一致。但这可以随时改变，VACUUM 或 CLUSTER 或任何 UPDATE 或 DELETE 等。

【参考方案2】：

使用条件聚合。您还没有指定 order by 子句，这是窗口函数真正需要的。您想要的查询类似于：

SELECT sum(case when event_cd in ('20', '21', '22', '23') then 1 else 0 end) OVER (ORDER BY ??),
       sum(case when event_cd not in ('11', '14', '15', '16', '17') then 1 else 0 end) OVER (ORDER BY ??),
       (sum(case when event_cd in ('20', '21', '22', '23') then 1.0 else 0 end) OVER (ORDER BY ??) /
        sum(case when event_cd not in ('11', '14', '15', '16', '17') then 1 else 0 end) OVER (ORDER BY ??)
       ) as ratio 
FROM events
WHERE bat_id = 'ortid001';

为?? 放入适当的排序列。

【讨论】：

在这种情况下，数据库中的行恰好已经按正确的顺序排列。所以 OVER 子句就是OVER (ROWS BETWEEN UNBOUNDED PRECEDING AND CURRENT ROW)。这给出了正确的结果，但我不确定是否有更好的方法来做到这一点。

没有“按正确顺序”排列的表格。表格代表无序集。