结构化数据上的 TopN 运算
1. 最大值 / 最小值
最大值 / 最小值可以理解为 TopN 查询中，N 等于 1 时的情况，因为很常用所以单独拿出来讲一下。取最大值 / 最小值是很常见的需求，例如一班数学最高分是多少，员工年龄最小的是几岁等等。但是有时候我们并不关心具体的值，而是关心最大值 / 最小值出现的位置，这种需求常用于跨行计算。例如公司销售额最高的那个月比上个月的销售额增加了多少？此时我们需要知道销售额最高月份所在记录的行号，再取出上个月的销售额与之比较。还有时候我们关心的是最大值 / 最小值所在记录的详细信息。例如取一班数学最高分的同学姓名，公司年龄最小的员工在哪个部门等等。
本节将从以上三种情况来讲解如何处理最大值 / 最小值的各种情况。以纳斯达克指数为例，部分数据如下：
| Date | Open | Close | Volume |
| 2019/01/02 | 6506.910156 | 6665.939941 | 2261800000 |
| 2019/01/03 | 6584.77002 | 6463.5 | 2607290000 |
| 2019/01/04 | 6567.140137 | 6738.859863 | 2579550000 |
| 2019/01/07 | 6757.529785 | 6823.470215 | 2507550000 |
| 2019/01/08 | 6893.439941 | 6897.0 | 2380290000 |
| … | … | … | … |
1.1 取最大值 / 最小值
【例 1】 求纳斯达克指数 2019 年最高收盘价。
【SPL 脚本】
| A | B | |
| 1 | =file("IXIC.txt").import@t() | /导入纳斯达克指数数据 |
| 2 | =A1.select(year(Date)==2019) | /选出 2019 年数据 |
| 3 | =A2.max(Close) | /使用函数 A.max() 获取最高收盘价 |
同样的例子，求纳斯达克指数 2019 年最低收盘价：
| A | B | |
| 3 | =A2.min(Close) | /使用函数 A.min() 获取最低收盘价 |
1.2 取最大值 / 最小值所在的行号
【例 2】 求 2019 年收盘价最高日，相比前一日的收盘价涨幅。
【SPL 脚本】
| A | B | |
| 1 | =file("IXIC.txt").import@t() | /导入纳斯达克指数数据 |
| 2 | =A1.select(year(Date)==2019).sort(Date) | /选出 2019 年数据并按日期排序 |
| 3 | =A2.pmax(Close) | /使用函数 A.pmax() 取出收盘价最高点所在的行号 |
| 4 | =A2.calc(A3,Close/Close[-1]-1) | /使用收盘价最大值与前日收盘价计算涨幅 |
最大值不一定是唯一的，如果想返回所有的行号，可以使用函数 A.pmax() 的 @a 选项：
| A | B | |
| 3 | =A2.pmax@a(Close) | /取出所有收盘价最高点记录所在行号 |
如果希望从后向前定位，可以使用函数 A.pmax() 的 @z 选项：
| A | B | |
| 3 | =A2.pmax@z(Close) | /从后向前取出收盘价最高点记录所在行号 |
1.3 取最大值 / 最小值所在的记录
【例 3】 求纳斯达克指数 2019 年最高点的日期。
【SPL 脚本】
| A | B | |
| 1 | =file("IXIC.txt").import@t() | /导入纳斯达克指数数据 |
| 2 | =A1.select(year(Date)==2019) | /选出 2019 年数据 |
| 3 | =A2.maxp(Close) | /使用函数 A.maxp() 取出收盘价最高点所在的记录 |
| 4 | =A3.Date | /取出收盘价最高点的日期 |
同样可以使用函数 A.minp() 来取最小值所在记录：
| A | B | |
| 3 | =A2.minp(Close) | /使用函数 A.minp() 取出收盘价最低点所在的记录 |
函数 A.maxp()和 A.minp() 同样支持 @a 和 @z 选项，就不再逐一列举了。
2. 前 N 个 / 后 N 个
取前 N 个 / 后 N 个的需求，与取最大值 / 最小值是类似的。我们同样分为三类需求来详细介绍。还是以纳斯达克指数为例，部分数据如下：
| Date | Open | Close | Volume |
| 2019/01/02 | 6506.910156 | 6665.939941 | 2261800000 |
| 2019/01/03 | 6584.77002 | 6463.5 | 2607290000 |
| 2019/01/04 | 6567.140137 | 6738.859863 | 2579550000 |
| 2019/01/07 | 6757.529785 | 6823.470215 | 2507550000 |
| 2019/01/08 | 6893.439941 | 6897.0 | 2380290000 |
| … | … | … | … |
2.1 取前 N 个 / 后 N 个值
【例 4】 查询纳斯达克指数 2019 年成交量最高的 3 个量值。
【SPL 脚本】
| A | B | |
| 1 | =file("IXIC.txt").import@t() | /导入纳斯达克指数数据 |
| 2 | =A1.select(year(Date)==2019) | /选出 2019 年数据 |
| 3 | =A2.top(-3, Volume) | /使用函数 A.top(n,x) 获取成交量最高的 3 个量值 |
同样的例子，查询纳斯达克指数 2019 年成交量最低的 4 个量值：
| A | B | |
| 3 | =A2.top(4, Volume) | /使用函数 A.top(n,x) 获取成交量最低的 4 个量值 |
2.2 取前 N 个 / 后 N 个所在的行号
【例 5】 查询纳斯达克指数 2019 年收盘价最高的 3 天中，交易量相对前一日的涨幅。
【SPL 脚本】
| A | B | |
| 1 | =file("IXIC.txt").import@t() | /导入纳斯达克指数数据 |
| 2 | =A1.select(year(Date)==2019).sort(Date) | /选出 2019 年数据并按日期排序 |
| 3 | =A2.ptop(-3, Close) | /使用函数 A.ptop(n,x) 取出最高的 3 个收盘价所在的行号 |
| 4 | =A3.run(~=A2(~).Volume/A2(~-1).Volume-1) | /循环使用当日交易量与前日交易量计算涨幅 |
2.3 取前 N 个 / 后 N 个所在的记录
【例 6】 查询纳斯达克指数 2019 年成交量最低的 5 个交易日的交易信息。
【SPL 脚本】
| A | B | |
| 1 | =file("IXIC.txt").import@t() | /导入纳斯达克指数数据 |
| 2 | =A1.select(year(Date)==2019).sort(Date) | /选出 2019 年数据 |
| 3 | =A2.top(5; Close) | /使用函数 A.top(n; x) 取出成交量最低的 5 个交易日的记录 |
3. 分组中的使用
除了分组汇总计算每组的最大值 / 最小值，查询每组前 N 个 / 后 N 个也是很常见的需求。例如每个月卖的最好的 5 款商品是哪些，每年总销售额前三名的客户是哪些等等。本节我们会分类介绍，如何解决在分组中使用 TopN 的问题。
3.1 分组聚合中的最大值
【例 7】 查询各班数学最高分。成绩表部分数据如下：
| CLASS | STUDENTID | SUBJECT | SCORE |
| 1 | 1 | English | 95 |
| 1 | 1 | Math | 90 |
| 1 | 1 | PE | 80 |
| 1 | 2 | English | 75 |
| 1 | 2 | Math | 84 |
| … | … | … | … |
【SPL脚本】
| A | B | |
| 1 | =file("Score.txt").import@t() | /导入成绩表数据 |
| 2 | =A1.select(Subject:"Math") | /选出数学成绩 |
| 3 | =A2.groups(Class; max(Score):BestScore) | /按班级分组，使用 max() 函数统计各班数学最高分 |
3.2 分组后进行 TopN 运算
我们也可以把 TopN 查询看作一种聚合运算。首先将数据按照一定的条件分组，然后再对每个分组后的结果集进行 TopN 查询。我们分别按照取值和取记录两种情况来讲解。
【例 8】 查询各班数学前两名的分数。成绩表部分数据如下：
| CLASS | STUDENTID | SUBJECT | SCORE |
| 1 | 1 | English | 95 |
| 1 | 1 | Math | 90 |
| 1 | 1 | PE | 80 |
| 1 | 2 | English | 75 |
| 1 | 2 | Math | 84 |
| … | … | … | … |
【SPL脚本】
| A | B | |
| 1 | =file("Score.txt").import@t() | /导入成绩表数据 |
| 2 | =A1.select(Subject:"Math") | /选出数学成绩 |
| 3 | =A2.group(Class; ~.top(-2, Score):top2) | /按班级分组，使用函数 A.top() 统计各班数学前两名的分数 |
| 4 | =A3.new(Class, top2(1):First, top2(2):Second) | /创建结果表，第一列是班级，第二列是第一名，第三列是第二名 |
【例 9】 查询各班每科成绩前三名的学生信息。成绩表部分数据如下：
| CLASS | STUDENTID | SUBJECT | SCORE |
| 1 | 1 | English | 95 |
| 1 | 1 | Math | 90 |
| 1 | 1 | PE | 80 |
| 1 | 2 | English | 75 |
| 1 | 2 | Math | 84 |
| … | … | … | … |
【SPL脚本】
| A | B | |
| 1 | =file("Score.txt").import@t() | /导入成绩表数据 |
| 2 | =A1.group(Class,Subject;~.top(-3;Score):top3) | /按班级和学科分组并取出每组分数前两名 |
| 3 | =A2.conj(top3) | /将所有班级各科前两名对应的记录合并 |
3.3 以累计方式进行 TopN 运算
以累计方式进行 TopN 运算，不会产生分组的结果集，常用于数据量比较大的时候。我们还是按照取值和取记录两种情况来讲解。
【例 10】 求每个部门入职最早的两个人的入职日期。雇员表的部分数据如下：
| EID | NAME | DEPT | EntryDate |
| 1 | Rebecca | R&D | 2005/03/11 |
| 2 | Ashley | Finance | 2008/03/16 |
| 3 | Rachel | Sales | 2010/12/01 |
| 4 | Emily | HR | 2006/08/15 |
| 5 | Ryan | R&D | 2004/07/30 |
| … | … | … | … |
【SPL 脚本】
| A | B | |
| 1 | =file("Employee.txt").cursor@t() | /产生雇员表的游标 |
| 2 | =A1.groups(Department; top(2,EntryDate):Top2) | /按部门分组并取出每组入职时间最早的两个日期 |
| 3 | =A2.news(Top2;Department, ~:EntryDate) | /创建新表，第一列是部门，第二列是入职日期 |
【例 11】 求每个部门薪水前三高的员工信息。雇员表的部分数据如下：
| EID | NAME | DEPT | SALARY |
| 1 | Rebecca | R&D | 7000 |
| 2 | Ashley | Finance | 11000 |
| 3 | Rachel | Sales | 9000 |
| 4 | Emily | HR | 7000 |
| 5 | Ryan | R&D | 13000 |
| … | … | … | … |
【SPL 脚本】
| A | B | |
| 1 | =file("Employee.txt").cursor@t() | /产生雇员表的游标 |
| 2 | =A1.groups(Department; top(-3;Salary):Top3) | /按部门分组并取出每组薪水前三的记录 |
| 3 | =A2.conj(Top3) | /把各部门薪水前三的记录合并 |
《SPL CookBook》中还有更多相关计算示例。
结构化数据上的 TopN 运算的更多相关文章
- 详解Google-ProtoBuf中结构化数据的编码
本文的主要内容是google protobuf中序列化数据时用到的编码规则,但是,介绍具体的编码规则之前,我觉得有必要先简单介绍一下google protobuf.因此,本文首先会介绍一些google ...
- TensorFlow从1到2（六）结构化数据预处理和心脏病预测
结构化数据的预处理 前面所展示的一些示例已经很让人兴奋.但从总体看,数据类型还是比较单一的,比如图片,比如文本. 这个单一并非指数据的类型单一,而是指数据组成的每一部分,在模型中对于结果预测的影响基本 ...
- Bigtable：一个分布式的结构化数据存储系统
Bigtable:一个分布式的结构化数据存储系统 摘要 Bigtable是一个管理结构化数据的分布式存储系统,它被设计用来处理海量数据:分布在数千台通用服务器上的PB级的数据.Google的很多项目将 ...
- MySQL 5.7：非结构化数据存储的新选择
本文转载自:http://www.innomysql.net/article/23959.html (只作转载, 不代表本站和博主同意文中观点或证实文中信息) 工作10余年,没有一个版本能像MySQL ...
- WordPress插件--WP BaiDu Submit结构化数据插件又快又全的向百度提交网页
一.WP BaiDu Submit 简介 WP BaiDu Submit帮助具有百度站长平台链接提交权限的用户自动提交最新文章,以保证新链接可以及时被百度收录. 安装WP BaiDu Submit后, ...
- seo之google rich-snippets丰富网页摘要结构化数据（微数据）实例代码
seo之google rich-snippets丰富网页摘要结构化数据(微数据)实例代码 网页摘要是搜索引擎搜索结果下的几行字,用户能通过网页摘要迅速了解到网页的大概内容,传统的摘要是纯文字摘要,而结 ...
- Solr系列四：Solr（solrj 、索引API 、 结构化数据导入）
一.SolrJ介绍 1. SolrJ是什么? Solr提供的用于JAVA应用中访问solr服务API的客户端jar.在我们的应用中引入solrj: <dependency> <gro ...
- Salesforce开源TransmogrifAI：用于结构化数据的端到端AutoML库
AutoML 即通过自动化的机器学习实现人工智能模型的快速构建,它可以简化机器学习流程,方便更多人利用人工智能技术.近日,软件行业巨头 Salesforce 开源了其 AutoML 库 Transmo ...
- Spark读取结构化数据
读取结构化数据 Spark可以从本地CSV,HDFS以及Hive读取结构化数据,直接解析为DataFrame,进行后续分析. 读取本地CSV 需要指定一些选项,比如留header,比如指定delimi ...
- Characters_of_the_Three_Kingdoms - 三国人物结构化数据
Characters_of_the_Three_Kingdoms - 三国人物结构化数据 三国人物结构化数据 为什么会有这个项目 需求1:摆脱网上那些长篇累牍的文章: 需求2:只是想简单查看下人物姓甚 ...
随机推荐
- CPNtools协议建模安全分析---实例库所标记（四）
1.我们经常使用弧上单个变量表达式来过滤数据类型,如果是多个类型的变量可以嵌套写 像上面的的 库所标记的数值 1·(2,5,"a")++ 那么弧表达式会根据要求来过滤 ...
- TLS原理与实践（三）tls1.3
主页 个人微信公众号:密码应用技术实战 个人博客园首页:https://www.cnblogs.com/informatics/ 引言 tls1.2作为主流的网路安全协议,被广泛应用,但tls1.2仍 ...
- idea vue 格式化 并保存文件 宏 快捷键 ctrl+s
idea 格式化是 reformat Code 存盘是 ctrl+s 所以创建一个宏,先点格式化,再点存盘,然后定义个ctrl+s的快捷键覆盖之前的保存就ok了. 资料: IDEA 配置宏定义 并为宏 ...
- idea的安装和无限期试用
十年前在笔者开发的时候一直使用的是eclipse软件,但后来所有的发现公司基本用的是idea,还得重新学习idea用法,所以准备在去新公司前,来学习使用idea吧 第一步:安装idea https:/ ...
- java线程池知识整理
参考,欢迎点击原文:https://www.jianshu.com/p/246021d04310(java多线程那点事) https://blog.csdn.net/fanrenxiang/artic ...
- TomCat 的 Jenkins 提示：你的容器没有使用UTF-8解码URL地址
1.编辑 Linux 系统的 Tomcat 安装目录的 conf 目录的 server.xml 文件 2.在 <Connector> 追加内容 URIEncoding="UTF- ...
- JS（循环）
一 for循环 在程序中,一组被重复执行的语句被称之为循环体,能否继续重复执行,取决于循环的终止条件.由循环体及循环的终止条件组成的语句,被 称之为循环语句 1 语法结构 for循环主要用于把某些代码 ...
- CSS（复合选择器、显示模式、背景属性）
一.emmet语法 1.简介 Emmet语法的前身是Zen coding,它使用缩写,来提高html/css的编写速度, Vscode内部已经集成该语法. 快速生成HTML结构语法 快速生成CSS样式 ...
- 记录--静态网站 H5 跳小程序，以及踩坑
这里给大家分享我在网上总结出来的一些知识,希望对大家有所帮助 背景 我司有智慧功成家APP和对应的小程序,现在已经实现APP分享到微信,微信点击分享链接直接进入小程序. 目前有一个问题就是我们APP在 ...
- 记录--前端实习生的这个 bug 被用做了一道基础面试题
这里给大家分享我在网上总结出来的一些知识,希望对大家有所帮助 前言 测试发现了一个问题,简单描述问题就是通过函数删除一个数组中多个元素,传入的参数是一个数组索引. 然后发现实际效果有时删除的不是想要的 ...