根据SQL中的分数列采样吗？

Question

我正在尝试根据用户定义的概率分布在SQL中随机抽样一个表。我有：

-------------------------------------------
id | bucket | bucket_prob | other_feature |
-------------------------------------------
1       a         0.01         abc
1       a         0.01         def       
2       b         0.03         ghi
3       c         0.04         jkl
3       c         0.04         mno
3       c         0.04         pqr

是否存在我可以编写的SQL查询，使得结果将是一个表，其中已根据bucket_prob列对ID进行了采样？

Answer 1

在PostgreSQL和许多其他SQL数据库中，您可以像这样简单地随机选择10行：

select
  *
from
    (select
         stuff
    from
         mytable
    order by
         random()) q
limit 10

我认为您可以将random() function放在where子句中，以过滤出行：

select
  *
from
    (select
         stuff
    from
         mytable
    where
         bucket_prob + random() > 1
    order by
         random()) q
limit 10

[random()返回0到1之间的随机值。bucket_prob列越大，总和大于1的可能性就越大。

**注意，如果您的数据库不允许where子句中的函数，则可以创建一个临时表或CTE，并在其中添加额外的列并添加随机过滤器，然后对其进行过滤。