如何在Postgres的窗口函数中获取mode（）？

Question

我试图将mode()用于分组数据集，但不对结果进行分组。 （使用Postgres 9.5，可以根据需要升级。）

例如用户拥有“最喜欢的颜色”，属于一个组。获取组内mode()“最喜欢的颜色”的用户列表。

窗口函数适用于大多数聚合，但mode()似乎是一个与窗口函数不兼容的异常。还有另一种方法可以解决这个问题吗？到目前为止，这就是我一直在玩的东西......

工作，但给出分组结果，我正在寻找未分组的结果：

SELECT group_id, 
    mode() WITHIN GROUP (ORDER BY color)
FROM users
GROUP BY group_id;

语法无效（只是我想要完成的一个例子）：

SELECT id, color, group_id, 
    mode(color) OVER (PARTITION BY group_id)
FROM users;

要么：

SELECT id, color, group_id, 
    mode() WITHIN GROUP (ORDER BY color) OVER (PARTITION BY group_id)
FROM users;

我尝试使用横向连接，但是如果没有在连接的内部和外部重新迭代我的WHERE子句，它就无法正常工作（当这个查询变得更复杂时，我不想这样做）：

SELECT u1.id, u1.group_id, u1.color, mode_color
FROM users u1
LEFT JOIN LATERAL
    (SELECT group_id, mode() WITHIN GROUP (ORDER BY color) as mode_color
     FROM users
     WHERE group_id = d1.group_id
     GROUP BY group_id)
    u2 ON u1.group_id = u2.group_id
WHERE u1.type = 'customer';

重要的是WHERE u1.type = 'customer'保留在子查询之外，因为在它的前半部分已经写入之后，它将在稍后附加到查询中。

Answer 1

我们正在谈论Postgres 9.4引入的有序集合函数mode()。您可能看到此错误消息：

ERROR:  OVER is not supported for ordered-set aggregate mode

我们可以解决它。但究竟是哪种模式？

（所有假设group_id和type都是NOT NULL，否则你需要做更多。）

Mode of qualifying rows

这将仅基于过滤集（使用type = 'customer'）计算模式。 您可以在“客户”中获得每组最受欢迎的颜色。

普通JOIN中的子查询（在这种情况下没有LEFT和LATERAL）可以完成这项任务 - 每组计算一次模式，而不是每一行计算：

SELECT u1.id, u1.group_id, u1.color, u2.mode_color
FROM   users u1
JOIN  (                            -- not LATERAL
   SELECT group_id, type           -- propagate out for the join
        , mode() WITHIN GROUP (ORDER BY color) AS mode_color
   FROM   users 
   WHERE  type = 'customer'        -- place condition in subquery (cheap)
   GROUP  BY group_id, type
   ) u2 USING (group_id, type);    -- shorthand syntax for matching names
-- WHERE  type = 'customer'        -- or filter later (expensive)

为避免重复您的条件，将其放在子查询中并将其传播到join子句中的外部查询 - 我选择了匹配的列名，并在我的示例中与USING连接。

您可以将条件移动到外部查询，甚至可以移动到稍后的步骤。然而，由于必须计算(group_id, type)的每种组合的模式，然后在后续步骤中排除每种其他类型的结果之前，这将是不必要的更昂贵。

有一些方法可以参数化您的查询。准备好的语句，PL / pgSQL函数，请参阅：

• Split given string and prepare case statement

或者，如果基础表没有太大变化，那么每个(group_id, type)替换子查询的所有预先计算模式的物化视图都是一个选项。

还有一个选择：首先使用CTE过滤符合条件的行，然后WHERE条件可以保留在您请求的子查询之外：

WITH cte AS (  -- filter result rows first
   SELECT id, group_id, color
   FROM   users u1
   WHERE  type = 'customer'        -- predicate goes here
   )
SELECT *
FROM   cte u1
LEFT   JOIN (                      -- or JOIN, doesn't matter here
   SELECT group_id
        , mode() WITHIN GROUP (ORDER BY color) AS mode_color
   FROM   cte                      -- based on only qualifying rows
   GROUP  BY 1
   ) u2 USING (group_id);

我们可以简化SELECT *，因为USING在结果集中只能方便地放置一个group_id。

Mode of all rows

如果要将模式基于所有行（包括type = 'customer'不为true的那些行），则需要不同的查询。 您可以在所有成员中获得每组最受欢迎的颜色。

将WHERE子句移动到外部查询：

SELECT u1.id, u1.group_id, u1.color, u2.mode_color
FROM   users u1
LEFT   JOIN (                      -- or JOIN, doesn't matter here
   SELECT group_id
        , mode() WITHIN GROUP (ORDER BY color) AS mode_color
   FROM   users
   GROUP  BY group_id
   ) u2 USING (group_id)
WHERE  u1.type = 'customer';

如果您的谓词（type = 'customer'）足够有选择性，那么为所有组计算模式可能是一种浪费。首先过滤小子集，仅计算包含组的模式。为此添加CTE：

WITH cte AS (  -- filter result rows first
   SELECT id, group_id, color
   FROM   users u1
   WHERE  type = 'customer'
   )
SELECT *
FROM   cte u1
LEFT   JOIN (        -- or JOIN
   SELECT group_id
        , mode() WITHIN GROUP (ORDER BY color) AS mode_color
   FROM  (SELECT DISTINCT group_id FROM cte) g  -- only relevant groups
   JOIN   users USING (group_id)                -- but consider all rows for those
   GROUP  BY 1
   ) u2 USING (group_id);

与上面的CTE查询类似，但基于基表中的所有组成员。