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
- 从源码看webpack3打包流程
在javascript刚刚流行时,前端项目通常比较简单,不需要考虑项目的开发效率.性能和扩展性等. 随着前端项目越来越复杂,需要更正式的软件开发实践,比如单元测试(unit testing).代码检查 ...
- spring重点后置处理器
1. DefaultListableBeanFactory的作用: 默认实现了ListableBeanFactory和BeanDefinitionRegistry接口,基于bean definitio ...
- vscode vue 组件定位插件 webpack-code-inspector-plugin -- 强烈推荐 Alt+Shift+鼠标左键
作用 alt + shift + 鼠标左键 自动跳转 vscode项目的组件代码 项目地址 https://github.com/zh-lx/code-inspector/blob/main/pack ...
- iview 表单验证 爆红后，有某些组件现隐，爆红和必填会错位，解决方案 组件上加key
iview 表单验证 爆红后,有某些组件现隐,爆红和必填会错位,解决方案 组件上加key
- 用python生成正玄波信号源码解析
一 前记 项目需要生成不同频点的正玄波信号,没找到现成的软件,只能自己写一个了.顺便温习一下python. 二 源码解析: #!/usr/bin/python import numpy as np f ...
- HUAWEI WATCH GT3手表芯片传感器简析
一 这里梳理一下华为手表GT3所使用的芯片 芯片A: BES2500L 恒玄BES2500L智能手表SoC,集存储.音频.连接为一体,集成BT5.2双模蓝牙,可支持BLE数据传输.蓝牙通话和音乐播放功 ...
- KTL 最新版
K,K线,Candle蜡烛图. T,技术分析,工具平台 L,公式Language语言使用c++14,Lite小巧简易. 项目仓库:https://github.com/bbqz007/KTL Core ...
- 记一次maven不下来的经历
起因:自己手动搭建个项目,参考公司项目使用了很多依赖,但是当自己maven时候发现一个依赖怎么也down不下来,就此展开了一番折腾 这个依赖叫 <dependency> <group ...
- IO 多路复用原理
IO 多路复用 普通情况下,一个进程只能监视一个文件描述符(阻塞),如果使用非阻塞 IO,则会使 CPU 频繁陷入内核和空转,降低效率.而IO 多路复用是操作系统提供的接口,他会帮你同时监视多个 fd ...
- 大年学习linux（第四节---文件权限）
四.文件权限 文件类型 Linux文件类型和linux文件的文件名所代表的意义是两个不同的概念.我们通过一般应用程序而创建的比如 file.txt.file.tar.gz ,这些文件虽然要用不同的程序 ...