如何使用 SQL 选择前 75% 的行

Question

我有一个包含 3 列的表格：

user

（字符串），

home

（字符串），

num_events

（整数），像这样：

user1,A,4
user2,B,5
user3,A,2
user4,C,12

一个家可以“容纳”很多用户，但每个用户只属于一个家

我需要过滤掉所有第一个四分位数的用户，每个家庭的 num_events 都较低。为了做到这一点，我的计划是列出每个家庭的所有用户，然后按 num_events 降序排列，只保留前 75%，然后计算每个家庭的用户。

我的尝试与此类似：

WITH t AS (
SELECT home, user, num_events
FROM table 
GROUP BY home_cusec, user, num_events
ORDER BY home_cusec, num_events DESC
)

SELECT home, COUNT(distinct user) FROM t
WHERE num_events > APPROX_PERCENTILE(num_events, 0.25)
GROUP BY home
ORDER BY home

但是我的尝试都没有成功。请注意，我使用的是 AWS Athena，TOP 函数没有注册，所以我无法使用

SELECT TOP 75 PERCENT * FROM t 

我试过

LIMIT (SELECT ROUND( COUNT(*)*0.75 FROM t)

但是这个查询在 AWS Athena 中也是无效的...

有什么想法吗？

Answer 1

我们可以在这里使用

ROW_NUMBER()

和

COUNT()

：

WITH cte AS (
    SELECT *, ROW_NUMBER() OVER (ORDER BY num_events DESC) rn,
              COUNT(*) OVER () AS cnt
    FROM yourTable
)

SELECT user, home, num_events
FROM cte
WHERE 1.0*rn / cnt <= 0.75;

Answer 2

您可以在这里使用窗口函数，特别是

row_number

和

count

：

WITH with_row_nums AS (
   SELECT *,
       row_number() over (partition by home order by num_events) row_num,
       count(*) over (partition by home) AS cnt
   FROM table_with_3_col
)

SELECT user, home, num_events
FROM with_rows 
WHERE 1.0 * row_num / cnt > 0.25;

请注意，这至少需要 4 个用户