PostgreSQL选择两列最常见的组合

我需要在PostgreSQL中操作表的帮助

我有一个有三列和超过3万行的表。许多值在行中重复

我必须编写一个

SELECT

语句，输出第一列的最频繁值、第二列的最频繁值以及两列的最常见组合。整个事件必须按第三列进行分组

我所尝试的：

SELECT * 
FROM 
    (SELECT column1 AS " Most frequent1", COUNT(column1) AS "occurrence"
     FROM table_name
     GROUP BY column1
     ORDER BY occurrence DESC
     LIMIT 1),
    (SELECT column2 AS "Most frequent2", COUNT(column2) AS "occurrence"
     FROM table_name
     GROUP BY column2
     ORDER BY occurrence DESC
     LIMIT 1),
    (SELECT CONCAT(column1, column2) AS "kombiniert", COUNT(CONCAT(column1, column2)) AS "occurrence"
     FROM table_name
     GROUP BY kombiniert
     ORDER BY occurrence DESC
     LIMIT 1);

我怎样才能把整件事按第三栏分组

---

有更好的方法吗？

统计中最常见的值称为模式。这将返回您正在寻找的三种模式：

select col3,
       max(col1_cnt), max(case when seqnum_1 then col1 end),
       max(col2_cnt), max(case when seqnum_2 then col2 end),
       max(col12_cnt), max(case when seqnum_12 then col1 || ':' || col2 end)
from (select t.*,
             row_number() over (partition by col3 order by col1_cnt desc) as seqnum_1,
             row_number() over (partition by col3 order by col2_cnt desc) as seqnum_2,
             row_number() over (partition by col3 order by col12_cnt desc) as seqnum_12
      from (select col1, col2, col3, count(*) as cnt,
                   sum(count(*)) over (partition by col1) as col1_cnt,
                   sum(count(*)) over (partition by col2) as col2_cnt,
                   sum(count(*)) over (partition by col1, col2) as col1_col2_cnt
            from t
            group by col1, col2, col3
           ) t
     ) t
group by col3;

---

最常见的值称为统计中的模式。这将返回您正在寻找的三种模式：

select col3,
       max(col1_cnt), max(case when seqnum_1 then col1 end),
       max(col2_cnt), max(case when seqnum_2 then col2 end),
       max(col12_cnt), max(case when seqnum_12 then col1 || ':' || col2 end)
from (select t.*,
             row_number() over (partition by col3 order by col1_cnt desc) as seqnum_1,
             row_number() over (partition by col3 order by col2_cnt desc) as seqnum_2,
             row_number() over (partition by col3 order by col12_cnt desc) as seqnum_12
      from (select col1, col2, col3, count(*) as cnt,
                   sum(count(*)) over (partition by col1) as col1_cnt,
                   sum(count(*)) over (partition by col2) as col2_cnt,
                   sum(count(*)) over (partition by col1, col2) as col1_col2_cnt
            from t
            group by col1, col2, col3
           ) t
     ) t
group by col3;

---

您要查找的是

模式

，统计模式=最频繁的值

SELECT
  column3,
  MODE() WITHIN GROUP (ORDER BY column1) AS most_frequent_column1,
  MODE() WITHIN GROUP (ORDER BY column2) AS most_frequent_column2,
  MODE() WITHIN GROUP (ORDER BY column1 || column2) AS most_frequent_pair
FROM table_name
GROUP BY column3
ORDER BY column3;

两点：

• 模式

  忽略空值。如果这是不需要的，您必须解决这个问题
• 只是把两根绳子粘在一起可能是你想要的，也可能不是AB'| | CD'='ABCD'A'| | BCD'='ABCD'

---

对于后者，请参见下面带有“无”名称的“马”注释<组内的code>MODE（）（ORDER BY（column1，column2））完美地解决了不明确对的问题。

您要查找的是

模式，统计模式=最频繁的值

SELECT
  column3,
  MODE() WITHIN GROUP (ORDER BY column1) AS most_frequent_column1,
  MODE() WITHIN GROUP (ORDER BY column2) AS most_frequent_column2,
  MODE() WITHIN GROUP (ORDER BY column1 || column2) AS most_frequent_pair
FROM table_name
GROUP BY column3
ORDER BY column3;

两点：


模式
忽略空值。如果这是不需要的，您必须解决这个问题
只是把两根绳子粘在一起可能是你想要的，也可能不是AB'| | CD'='ABCD'A'| | BCD'='ABCD'

对于后者，请参见下面带有“无”名称的“马”注释<组内的code>MODE（）（ORDER BY（column1，column2））

完美地解决了不明确对的问题。

您可以使用

（ORDER BY（column1，column2））

来避免将

AB，CD

与

ABC，D

一样处理，这也使得它可以处理任何数据类型，不只是strings@a_horse_with_no_name：否。

模式

的

ORDER BY

子句中必须只有一个参数，因为这是我们想要统计模式的表达式。（是的，这是一种奇怪的语法。我不知道他们为什么不简单地把这个

模式（表达式）

）。至于将AB、CD和ABC、D视为相同的值：是的，我在回答中提到了这一点。这就是OP连接字符串的方式，我提到这可能是不需要的。

（column1，column2）

是一个表达式-一个匿名的“行类型”@a_horse_，没有名字：对不起，你当然是对的。你可以使用

（ORDER BY（column1，column2））

来避免像对待

ABC一样对待
AB，CD
，D

-这也使得它可以用于任何数据类型，而不仅仅是strings@a_horse_with_no_name：否。

模式

的

ORDER BY

子句中必须只有一个参数，因为这是我们想要统计模式的表达式。（是的，这是一种奇怪的语法。我不知道他们为什么不简单地把这个

模式（表达式）

）。至于将AB、CD和ABC、D视为相同的值：是的，我在回答中提到了这一点。这就是OP连接字符串的方式，我提到这可能是不需要的。

（column1，column2）

是一个表达式-一个匿名的“行类型”@a_horse_，没有名称：对不起，你当然是对的。