差距和孤岛问题是不是有正式定义？如果是这样，这个问题是不是满足它？

Posted 2023-02-27

【中文标题】差距和孤岛问题是不是有正式定义？如果是这样，这个问题是不是满足它？

【英文标题】：Is there a formal definition of Gaps and Islands problems? If so, does this problem satisfy it?差距和孤岛问题是否有正式定义？如果是这样，这个问题是否满足它？

【发布时间】：2022-01-10 11:43:44

【问题描述】：

似乎“差距和孤岛”这个词在我的工作场所被过度使用了。我最近在该旗帜下基本上遇到了以下问题。

获取一组包含许多行的数据，每行包含大量数据，但特别是始终包含开始和停止时间列，并包含许多其他列，如果其中一个不为 NULL，则其他列是。例如：

Start Time	Stop Time	Drunkenness	Programming Ability
01	60	0100	NULL
10	20	NULL	0450
40	50	NULL	0250

（您也可以使用明显的未透视等价物，但不要担心）

并将该数据转换为所有数据都折叠的形式，以便您只需查看与该时间段相对应的单行，即可在任何给定时间找出真实情况。因此，对于前面的示例，您需要这样：

Start Time	Stop Time	Drunkenness	Programming Ability
01	09	0100	NULL
10	20	0100	0450
21	39	0100	NULL
40	50	0100	0250
51	60	0100	NULL

要查看这是您真正想要的，请查看原始行中的时间。直到时间 10，只给出了“Dunkenness=0100”，所以我们在结果中的第一行必须从 01 到 09 并且只包含 Drunkenness 信息。原始表中的下一行从 10 到 20，因此我们必须在结果中包含该时间段的一行，并且它必须包含当时正确的任何信息（即始终正确的“Drunkenness=0100”以及仅在 10 到 20 次之间为真的“编程能力 = 0450”）。由于从时间 21 到 39 未定义“编程能力”，我们必须还有另一行为 NULL。然后其他两行由与前几行相同的过程生成，因此我们得到了上表。

这真的是一个“差距和孤岛”问题吗？还是文献给了它一个不同的名字？我同意第一个数据集中存在差距，并且最终数据集中的结果被分成岛屿，但这似乎不是文献的内容指的是当它谈到“差距和岛屿”问题时。文献似乎关心的是寻找差距或寻找岛屿，而不是像这样将差距变成岛屿并合并数据。

使用 SQL 标记是因为这是一个关系数据库。我不是在寻求解决方案，我怀疑在您的答案中包含 SQL 解决方案会很有启发性，尽管他们会受到欢迎。因此，我没有在这个问题中包含任何 SQL 代码。

我不认为这个问题是基于意见的。我已经看过足够多的关于差距和孤岛问题的报道，我相信在某处必须对它们进行正式定义。 强烈建议您提供这些问题的正式定义及其来源。如果这不是间隙和孤岛问题，而实际上是其他问题，那么请给出一个名称和来源定义。

【问题讨论】：

我认为你需要解释一下我们从输入表到输出的逻辑。从长远来看，这似乎不是一个空白和孤岛问题。

我还是不明白，但这看起来不像是缝隙和孤岛。

嗨 - 我想知道你为什么关心它叫什么？对它应用标签有什么好处？另外，就像仅供参考一样，没有人会设计这样的表：除了一个属性列之外的所有属性列始终为空（假设属性的数量不小）跨度>

@NickW 有两个好处：1) 知道这个名字可以帮助我查找它；2) 知道它不是间隙和孤岛，这样我就可以节省时间，因为我会像对待它一样对待它。是。至于表格设计，这是由于连接而不是那样设计的结果。

显然只是我的看法，但鉴于此论坛的目的是帮助人们解决问题，描述您面临的问题并寻求帮助解决问题不是更有效率吗？而不是要求人们对其进行分类？即使有人确实说它是或不是“差距和孤岛”问题，您也无法知道它们是否正确，并且它使您无法解决您可能遇到的任何问题面对。事实上，如果他们说这是一个“g&i”问题并且是错误的，那么您将浪费时间寻找不适用的解决方案

【参考方案1】：

条件 如果一个不为 NULL，那么其他的为意味着您的行只是键值对的不同表示。换句话说，它的非枢轴变体如下所示

Key	Value	Start	End
Drunkenness	100	01	60
Programming Ability	450	10	20
Programming Ability	250	40	50

假设它通过了数据完整性检查，即同一个键没有不同值的重叠区间。然后它看起来像 type-2 slowly changing dimension，实际上我们可以将 20 到 40（不包括）之间的 Programming Ability 值的缺失解释为 NULL。

但是，也可以将该数据解释为两个单独的表，醉酒和编程能力按间隔的开始日期和结束日期合并（通过完全连接）。

SELECT coalesce(a.start,b.start) as start, coalesce(a.end,b.end) as end,
a.Value, b.Value 
from a full join b on a.start=b.start and a.end = b.end

因此，例如，b 缺少 (10,60) 的数据，并且您在第一行中的 Programming Ability 为 NULL。如果您正确加入这两个表并考虑时间间隔重叠，您可以获得第二个表。

SELECT greatest(a.start,b.start) as start, least(a.end,b.end) as end,
a.Value, b.Value 
from a full join b on a.start <= b.end and b.start <= a.end

无论哪种方式，这都不是差距和岛屿问题。在该问题中，数据有一些重叠区间，可能有间隙，并且必须确定由不连续间隙分隔的非重叠连续区间。