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

  1. 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 ...

  2. 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 ...

  3. 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 ...

  4. 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 ...

  5. 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, ...

  6. 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 ...

  7. 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 ...

  8. 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 ...

  9. 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 ...

  10. 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

  1. linux复习基础命令

    Linux基础命令 学习目标 了解vm备份的两种方式 了解快照和克隆的区别 了解linux系统文件 掌握基础命令 指定vmtools的作用 1 vm两种备份方式 为什么要进行备份 保证centos操作 ...

  2. Python-Json异常:Object of type Decimal is not JSON serializable

    源起: 使用python分离出一串文本,因为是看起来像整数,结果json转换时发生异常:TypeError: Object of type Decimal is not JSON serializab ...

  3. Linux环境下动态库的生成与使用

    一.动态库的生成 定义 a.h.a.c 如下: a.h #include <stdio.h> #include <stdlib.h> void FuncA(); a.c #in ...

  4. c语言中int和char之间的转换实例解析

    壹:     经常用到c,积累一些小函数,免得下次还要重新写,极大的提升工作效率啊. 贰:    代码很简单,直接上源码: #include <stdio.h> typedef unsig ...

  5. Android Webview判断网页加载完毕

    原文: Android Webview判断网页加载完毕 - Stars-One的杂货小窝 书接上文,在Android WebView获取html源码 - Stars-One的杂货小窝此文讲到没有一个可 ...

  6. day07-IO流应用02

    Java坦克大战07 8.IO流应用02 8.3记录退出游戏时敌人坦克坐标/方向,存盘退出 8.3.1思路分析 在Recorder类中,增加一个Vector集合,用来接收从MyPanel类中传入的en ...

  7. C++类的访问权限

    首先明确一个类的用户有三种: 一类用户:类的成员和友元 二类用户:子类的成员及子类的友元 三类用户:外部的用户代码(通过类的对象或指针) 一个类有三种成员 private:只有一类用户可以访问priv ...

  8. 安装YCM

    安装Vundle git clone https://github.com/VundleVim/Vundle.vim.git ~/.vim/bundle/Vundle.vim Vundle也是vim的 ...

  9. 说说如何在Vue项目中应用TypeScript?

    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 一.前言 与link类似 在VUE项目中应用typescript,我们需要引入一个库vue-property-decorator, 其是基 ...

  10. 记录--前端项目中运行 npm run xxx 的时候发生了什么?

    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 npm 是 node 捆绑的依赖管理器,常用程度可想而知.那么你每天都在 npm/yarn run 的命令到底是如何运行项目的呢? 前端项 ...