用于具有动态样本大小的分层抽样的 sql 查询

Posted 2023-03-21

【中文标题】用于具有动态样本大小的分层抽样的 sql 查询

【英文标题】：sql query for stratified sampling with dynamic sample size

【发布时间】：2021-02-19 15:48:29

【问题描述】：

假设我们有一个这种格式的表格：

id   strata sample_size
1    s1     2
2    s1     2
3    s1     2
4    s2     1
5    s2     1
....

从这个例子中，我们看到两个层 s1 和 s2。我想做的是分层抽样，样本量是最后一列。例如，我想从 s1 中随机抽样 2 个实例，从 s2 中随机抽样 1 个。任何帮助表示赞赏。请记住，我有很多阶层，硬编码是不可能的。我

【参考方案1】：

你可以使用row_number():

select t.*
from (select t.*,
             row_number() over (partition by strata order by rand()) as seqnum
      from t
     ) t
where seqnum <= strata_size;