我一直相信, 人是能预测未来的, 这应该是前几年看弗洛伊德, 荣格的一些心理学书, 给我的一些感受, 有个片段是关于做梦的, 一个人梦见子弹穿过他自己的头颅, 结果不久, 他就去世了. 这个片段当时给了我很多奇思妙想, 关于人类的潜意识, 也许未来就在潜意识中, 但生活中可能无法察觉到这一点.

开头有点偏了, 也是为了引出一个今天的话题, 我上午有一个面谈, 我冥冥中就感觉会被问到 sql 排序问题, 之前也写过, 做了笔记, 但临场还是给忘了, 然后是一些 GBDT, XGBOOST, 决策树, 随机森林这些话题, 我也是准备没那么充分, 虽说都这些的数学原理我都是推导过的.. 哎...最后也没能再争取一下, 有点难受, 即便如此, 还是给推荐了我的笔记, 希望能遇见伯乐吧, 笔记是真诚的.

Rank 排序实现

排名这块, 我虽然近几个月写了几千行 SQL 了, rank 其实没有写过, Oracle 有这种 rank () 之类的窗口函数, 但 Mysql 是没有的, 要自己来实现一把.

测试数据, 还是用之前联系的 cj.score 表来展示, 数据如下:

mysql> select * from cj.score;

+------+------+-------+

| s_id | c_id | score |

+------+------+-------+

| 0001 | 0001 | 80 |

| 0001 | 0002 | 90 |

| 0001 | 0003 | 99 |

| 0002 | 0002 | 60 |

| 0002 | 0003 | 80 |

| 0003 | 0001 | 80 |

| 0003 | 0002 | 80 |

| 0003 | 0003 | 80 |

+------+------+-------+

8 rows in set (0.00 sec)

思路

首先, 定义两个变量, 就叫 @rank, 和 @pre

@rank 用于记录排名值, 初始值为 0

@pre 用于上一条记录的分数 score 值, 初始值为 null.

给自定义变量赋值有2种方法，一种是用set，另一种使用select ; 而且赋值推荐使用 := 这种方式.

select @rank := 0, @pre := null

然后, 对每条数据进行判断.

@rank := if (@pre=score, @rank, @rank+1) as rank,

@pre := score

算法:

大前提: 先要对数据集中, 该排序字段进行降序

for 遍历第一条记录的时候, @rank 值为0, @pre 值为 null:

if @pre = score:

# 排名不变

@rank + 0

else:

#

@rank + 1

当遍历到第二条记录, 此时 @rank = 1, @pre 为上条记录的score值.

if 当前的 score 值 = 上一条的 score 值, 就排名不变嘛, 还是 @rank;

不等于就 @rank + 1

... 这样就保证相同分数的排名相等, 不同排名会使 rank 增加, 且不会出现间隔

实现

-- step1: 定义变量, 并对数据集按 score 降序

-- 相当于把主表, 添加两个字段

select

a.* ,

b.*

from cj.score as a, (select @rank:=0, @pre:=null) as b

order by a.score desc

+------+------+-------+----------+------------+

| s_id | c_id | score | @rank:=0 | @pre:=null |

+------+------+-------+----------+------------+

| 0001 | 0003 | 99 | 0 | NULL |

| 0001 | 0002 | 90 | 0 | NULL |

| 0001 | 0001 | 80 | 0 | NULL |

| 0002 | 0003 | 80 | 0 | NULL |

| 0003 | 0001 | 80 | 0 | NULL |

| 0003 | 0002 | 80 | 0 | NULL |

| 0003 | 0003 | 80 | 0 | NULL |

| 0002 | 0002 | 60 | 0 | NULL |

+------+------+-------+----------+------------+

8 rows in set (0.00 sec)

select

-- 动态来计算 rank 值

a.score ,

@rank:= if(@pre=a.score, @rank+0, @rank+1) as my_rank ,

@pre:=score

-- 0: 给主表添加上两个字段

from cj.score as a, (select @rank:=0, @pre:=null) as b

order by a.score desc

+-------+---------+-------------+

| score | my_rank | @pre:=score |

+-------+---------+-------------+

| 99 | 1 | 99 |

| 90 | 2 | 90 |

| 80 | 3 | 80 |

| 80 | 3 | 80 |

| 80 | 3 | 80 |

| 80 | 3 | 80 |

| 80 | 3 | 80 |

| 60 | 4 | 60 |

+-------+---------+-------------+

8 rows in set (0.00 sec)

搞定, 这样就已经排序出来了. 最后还是来一个完整版的, 把其他字段补全, 不需要显示的 @pre 字段给干掉.

select

c.s_id,

c.c_id,

c.score,

c.my_rank as score_rank

from (

select

a.s_id,

a.c_id,

a.score,

@rank := if(@pre=score, @rank + 0, @rank + 1) as my_rank,

@pre := score

from cj.score as a, (select @rank:=0, @pre=null) as b

order by a.score desc

) as c

+------+------+-------+------------+

| s_id | c_id | score | score_rank |

+------+------+-------+------------+

| 0001 | 0003 | 99 | 1 |

| 0001 | 0002 | 90 | 2 |

| 0001 | 0001 | 80 | 3 |

| 0002 | 0003 | 80 | 3 |

| 0003 | 0001 | 80 | 3 |

| 0003 | 0002 | 80 | 3 |

| 0003 | 0003 | 80 | 3 |

| 0002 | 0002 | 60 | 4 |

+------+------+-------+------------+

8 rows in set (0.00 sec)

关于 SQL != 的问题

我是前段时间, 无意中发现的, 在通常的认知中, "等于" 和 "不等于" 二者应该是 矛盾关系, 是对立统一的, 但无意间发现 Null 的时候, 并非如此.

先来正常的. 我用一个常用的 超市数据集做演示, 有一个字段 category 产品的分类, 先分别统计它的分类值数量:

select

category,

count(category) as cnt

from cj.super_market

group by category

+--------------+------+

| category | cnt |

+--------------+------+

| 办公用品 | 5687 |

| 家具 | 2244 |

| 技术 | 2028 |

+--------------+------+

3 rows in set (0.01 sec)

mysql> select 5687 + 2244 + 2028;

+--------------------+

| 5687 + 2244 + 2028 |

+--------------------+

| 9959 |

+--------------------+

1 row in set (0.00 sec)

可以看到总数: 办公用品 + 家具 + 技术 = 5687 + 2244 + 2028 = 9959

先进行过滤, 将家具排除掉, 理论上, 总数应该是 : 5687 + 2028 = 7715

select count(id) from cj.super_market where category != '家具';

7715

哦.. . 是对的, 我好像之前自己写 SB 了...呀, 心态崩了, 之前以为的 bug 是把 2028 写成了2208 导致错误..

想说的是, 当值有 null 的时候, 要单独来考虑...

我傻了, 弄混淆了 count(*) 是会计算所有的行数, 包括 null 的, 而 count(col) 会忽略 null 的行, 导致总数对不上, 此刻我对自己有些无语...

嗯不举例了, 我现在需要冷静一下, 好好回溯下这个问题.