Sql 基于其他列中最常见的值（不包括外围值）筛选结果

考虑下表和伪查询：

Distinct Customers
WHERE
Most common PaymentMethod = 'CreditCard'
AND
Most common DeliveryService = '24hr'

Customer    TransID   PaymentMethod   DeliveryService
-----------------------------------------------------
Susan       1         CreditCard        24hr
Susan       2         CreditCard        24hr
Susan       3         Cash              24hr
John        4         CreditCard        48hr
John        5         CreditCard        48hr
Diane       6         CreditCard        24hr
Steve       7         Paypal            24hr
Steve       8         CreditCard        48hr
Steve       9         Paypal            24hr


Should return (2) records:

Customer
---------
Susan
Diane

从另一个角度来看，我想排除少数群体案例，即： 我不想返回“Steve”，因为尽管他用过一次信用卡，但他通常不会这样做，我只关心多栏中大多数人的行为

实际上，有更多的列（10个）需要应用相同的原则，因此我正在寻找一种技术，该技术至少可以扩展到搜索100k的记录。

试试看

CREATE TABLE #D
(
Customer   VARCHAR(50), TransID INT,  PaymentMethod  VARCHAR(50),  DeliveryService VARCHAR(50)
)
INSERT INTO #D VALUES
('Susan',1,'CreditCard','24hr'),
('Susan',2,'CreditCard','24hr'),
('Susan',3,'Cash','24hr'),
('John ',4,'CreditCard','48hr'),
('John ',5,'CreditCard','48hr'),
('Diane',6,'CreditCard','24hr'),
('Steve',7,'Paypal','24hr'),
('Steve',8,'CreditCard','48hr'),
('Steve',9,'Paypal','24hr')


;with cte as
(
SELECT *,row_number() OVER (PARTITION BY PaymentMethod,Customer ORDER BY TransID) AS RN FROM #D
)
select DISTINCT Customer FROM cte  where    PaymentMethod = 'CreditCard'
AND DeliveryService = '24hr' and rn>1

CREATE TABLE #TEMP (Customer varchar(20),TransID INT, PaymentMethod varchar(20),DeliveryService VARCHAR(10))
    INSERT INTO #TEMP VALUES
    ('Susan',1,'CreditCard','24hr'),
    ('Susan',2,'CreditCard','24hr'),
    ('Susan',3,'Cash','24hr'),
    ('John',4,'CreditCard','48hr'),
    ('John',5,'CreditCard','48hr'),
    ('Diane',6,'CreditCard','24hr'),
    ('Steve',7,'Paypal','24hr'),
    ('Steve',8,'CreditCard','48hr'),
    ('Steve',9,'Paypal','24hr');



SELECT DISTINCT Customer FROM (
SELECT ROW_NUMBER () OVER (PARTITION BY PaymentMethod,Customer ORDER BY Customer) AS RNPaymentMethod,
ROW_NUMBER () OVER (PARTITION BY DeliveryService,Customer ORDER BY Customer) AS RNDeliveryService,Customer,TransID,PaymentMethod,DeliveryService FROM #TEMP) X
WHERE  X.PaymentMethod = 'CreditCard' AND X.DeliveryService = '24hr' AND X.RNPaymentMethod=1 AND X.RNDeliveryService=1

PS:Delivery service我还保留了额外的行号，因为您提到我们需要调查跨多个列的大多数行为

希望这有帮助

试试这个

CREATE TABLE #TEMP (Customer varchar(20),TransID INT, PaymentMethod varchar(20),DeliveryService VARCHAR(10))
    INSERT INTO #TEMP VALUES
    ('Susan',1,'CreditCard','24hr'),
    ('Susan',2,'CreditCard','24hr'),
    ('Susan',3,'Cash','24hr'),
    ('John',4,'CreditCard','48hr'),
    ('John',5,'CreditCard','48hr'),
    ('Diane',6,'CreditCard','24hr'),
    ('Steve',7,'Paypal','24hr'),
    ('Steve',8,'CreditCard','48hr'),
    ('Steve',9,'Paypal','24hr');



SELECT DISTINCT Customer FROM (
SELECT ROW_NUMBER () OVER (PARTITION BY PaymentMethod,Customer ORDER BY Customer) AS RNPaymentMethod,
ROW_NUMBER () OVER (PARTITION BY DeliveryService,Customer ORDER BY Customer) AS RNDeliveryService,Customer,TransID,PaymentMethod,DeliveryService FROM #TEMP) X
WHERE  X.PaymentMethod = 'CreditCard' AND X.DeliveryService = '24hr' AND X.RNPaymentMethod=1 AND X.RNDeliveryService=1

PS:Delivery service我还保留了额外的行号，因为您提到我们需要调查跨多个列的大多数行为

希望这有帮助

好的，让我试试

根据这个问题，您需要知道最常见的事件，我认为您必须声明一个函数，该函数返回以下内容：

对于这个示例，我使用了临时表的相同值，但是我创建了一个永久表，如果没有，我就无法创建和测试函数。我真的相信这个功能可以优化，但我没有时间做更多

使用函数可以修改公式，并使其符合您的条件

create function most_common_payment(@customer varchar(100))
returns varchar(100)
as
begin
    declare @total int, @payment varchar(100), @max_times int

    -- total records
    select @total = COUNT(*) from tempD where Customer=@customer;
    if @total = 0 return ''

    -- max ocurrences payment method
    select top 1 @payment = PaymentMethod, @max_times = count(*)
    from tempd 
    where Customer = @customer
    group by Customer, PaymentMethod
    order by COUNT(*) desc;
    if  @max_times <= 1 return '';

    -- percentatge
    if ((@max_times * 100) / @total) < 50 set @payment = '';

    return @payment;
end
go

这就是结果：

Customer   MostCommonPayment    MostCommonDelivery
--------   -----------------    ------------------
Susan      CreditCard           24hr

无过滤器

Customer   MostCommonPayment    MostCommonDelivery
--------   -----------------    ------------------
Diane
John       CreditCard           48hr
Steve      Paypal               24hr
Susan      CreditCard           24hr

好的，让我试试

根据这个问题，您需要知道最常见的事件，我认为您必须声明一个函数，该函数返回以下内容：

对于这个示例，我使用了临时表的相同值，但是我创建了一个永久表，如果没有，我就无法创建和测试函数。我真的相信这个功能可以优化，但我没有时间做更多

使用函数可以修改公式，并使其符合您的条件

create function most_common_payment(@customer varchar(100))
returns varchar(100)
as
begin
    declare @total int, @payment varchar(100), @max_times int

    -- total records
    select @total = COUNT(*) from tempD where Customer=@customer;
    if @total = 0 return ''

    -- max ocurrences payment method
    select top 1 @payment = PaymentMethod, @max_times = count(*)
    from tempd 
    where Customer = @customer
    group by Customer, PaymentMethod
    order by COUNT(*) desc;
    if  @max_times <= 1 return '';

    -- percentatge
    if ((@max_times * 100) / @total) < 50 set @payment = '';

    return @payment;
end
go

这就是结果：

Customer   MostCommonPayment    MostCommonDelivery
--------   -----------------    ------------------
Susan      CreditCard           24hr

无过滤器

Customer   MostCommonPayment    MostCommonDelivery
--------   -----------------    ------------------
Diane
John       CreditCard           48hr
Steve      Paypal               24hr
Susan      CreditCard           24hr

---

一种方法使用窗口函数和聚合：

with cp as (
     select customerid, paymentmethod, count(*) as cnt,
            rank() over (partition by customerid order by count(*) desc) as seqnum
     from t
     group by customerid, paymentmethod
    ),
    cd as (
     select customerid, deliveryservice, count(*) as cnt
            rank() over (partition by customerid over by count(*) desc) as seqnum
     from t
     group by customerid, deliveryservice
    )
select cp.customerid
from cp join
     cd
     on cp.customerid = cd.customerid
where (cp.seqnum = 1 and cp.PaymentMethod = 'CreditCard') and
      (cd.seqnum = 1 and cd.DeliveryService = '24hr');

---

因为您需要沿两个不同维度排列，所以我认为您需要两个子查询（或等效子查询）。

一种方法使用窗口函数和聚合：

with cp as (
     select customerid, paymentmethod, count(*) as cnt,
            rank() over (partition by customerid order by count(*) desc) as seqnum
     from t
     group by customerid, paymentmethod
    ),
    cd as (
     select customerid, deliveryservice, count(*) as cnt
            rank() over (partition by customerid over by count(*) desc) as seqnum
     from t
     group by customerid, deliveryservice
    )
select cp.customerid
from cp join
     cd
     on cp.customerid = cd.customerid
where (cp.seqnum = 1 and cp.PaymentMethod = 'CreditCard') and
      (cd.seqnum = 1 and cd.DeliveryService = '24hr');

---

---

因为您需要沿着两个不同维度的列组，所以我认为您需要两个子查询（或等效查询）。

首先您说“应该返回一条记录：Susan”，然后您说“我不想返回‘Susan’”。你到底要不要苏珊？请发邮件output@jarlh对于表上方的伪查询中的参数，应该返回Susan，即paymentmethod=creditcard和deliveryservice=24hr。如果付款方式是现金，我不想退回Susan，尽管她有包括现金在内的记录，因为这不是她最常用的付款方式。@chanukya好的，修改过的例子所以找到所有客户，按使用信用卡的时间百分比下单，递减？首先你说“应该退回一张记录：Susan”，然后你说“我不想回‘苏珊’“。你到底要不要苏珊？请发邮件。”output@jarlh对于表上方的伪查询中的参数，应该返回Susan，即paymentmethod=creditcard和deliveryservice=24hr。如果付款方式是现金，我不想退回Susan，尽管她有包括现金在内的记录，因为这不是她最常用的付款方式。@chanukya ok，修改后的示例So find all customers，order by percentage of time used credit card，descending？我的错误；在这个例子中，我没有发现“Diane”也应该被返回——这段代码只返回一条记录，而我想返回所有符合条件的记录@gh0st@gh0st接受我的回答。相比之下，我先发布了简单的查询，考虑到以下数据，John出现在结果集中，他不应该出现：（'Susan'，1，'CreditCard'，'24hr'），（'Susan'，2，'CreditCard'，'24hr'），（'Susan'，3，'Cash'，'24hr'），（'John'，4，'Paypal'，'48hr'），（'John'，5，'Paypal'，'48hr'），（'John'，6，'CreditCard'，'24hr'），等等，（'Diane'，7，'CreditCard'，'24hr'），（'Diane'，8，'CreditCard'，'24hr'），（'Steve'，9，'CreditCard'，'24hr'），（'Steve'，10，'CreditCard'，'48hr'））即使他的查询返回的是我现在只检查过的相同记录。@gh0stMy error；我在示例中没有发现“Diane”也应该被返回-此代码只返回一条记录，而我希望返回所有符合条件的记录。Diane Susan这两条应该来@gh0st@gh0st接受我的回答。相比之下，我先发布了simple Query考虑到以下数据，John出现在结果集中，他不应该出现：（'Susan'，1，'CreditCard'，'24hr'），（'Susan'，2，'CreditCard'，'24hr'），（'Susan'，3，'Cash'，'24hr'），（'John'，4，'Paypal'，'48hr'），（'John'，5，'Paypal'，'48hr'），（'John'，6，'CreditCard'，'24hr'），（'Diane'，7，'CreditCard'，'24hr'），'，（'Diane'，8，'CreditCard'，'24hr'），（'Steve'，9，'CreditCard'，'24hr'），（'Steve'，10，'CreditCard'，'48hr'）甚至他的查询只返回我现在检查过的相同结果。@gh0st非常有用，对于奖金回合，如果我们将TranID=7的PaymentMethod更改为'CreditCard'，Steve会在结果中弹出（这是正确的）有没有一种方法来排除他，我们想考虑多栏标准一起，即他没有使用信用卡和24小时在一起的大多数交易？@ PK发言太快，在下面的数据插入，约翰出现在结果集，他不应该：（‘苏珊’，1，‘信用卡’，’24HR’），（'Susan'，2，'CreditCard'，'24hr'），（'Susan'，3，'Cash'，'24hr'），（'John'，4，'Paypal'，'48hr'），（'John'，5，'Paypal'，'48hr'），（'John'，6，'CreditCard'，'24hr'），（'Diane'，7，'CreditCard'，'24hr'），（'Diane'，8，'CreditCard'，'24hr'），（'Steve 9，'CreditCard'，'24hr'），（'Steve 10，'CreditCard'，'，