第 24 期:非等值分組
前一期 【資料蔣堂】第 23 期:還原分組運算的本意
我們在上一期研究了分組運算的實質,即將一個集合按某種規則拆分成若干子集。不過,上期的關注重點在於還原分組運算的步驟,而沒有討論拆分規則,例子中都是用某些欄位(或表示式)來定義拆分規則,也就是 SQL 中使用的方法。
我們把這種拆分方式稱為等值分組。
等值分組在數學上的描述,相當於在一個集合上定義了一個等價關係:分組欄位(表示式)相等的成員(記錄)就認為等價。
等價關係是指滿足如下條件的關係:
1)交換性,若 a=b 則 b=a
2)傳遞性,若 a=b,b=c 則 a=c
3)排他性,對任何 a,b,a=b 和 a!=b 有且只有一個成立
可以證明,任何等價關係一定能把原集合完全劃分成若干個子集,每個子集中的成員互相等價。
完全劃分具有這樣的性質:
1)沒有空子集
2)原集合的任何成員都屬於且只屬於某一個子集
考查等值分組,我們會發現它能夠精確地滿足等價關係的定義,因而等值分組的結果一定是完全劃分。
有等值分組和完全劃分,那是不是還有非等值分組和不完全劃分?還有沒有別的方式產生完全劃分?這些是否有業務意義呢?
答案是肯定的。
比如我們要統計男女員工數量。我們可以寫成這樣:
SELECT gender,COUNT(*) FROM employee GROUP BY gender
但如果公司員工全是男性或女性,這個運算結果就只有一行了,那可能就不是我們想要的了。
為解決這個問題,我們可以設計這樣一種分組方案:先羅列出一個基準集合,然後將待分組集合成員的某個屬性(欄位或表示式)與基準集合成員比較,相同者則分到一個子集中,最後拆分出來的子集數量和基準集合成員數是相同的。這種分組我們稱為對位分組。
使用對位分組統計男女員工數量可以寫成這樣:
a=[男,女] // 基準集合
g=employee.align(a,gender) // 設計函式align實現對位分組,拆分集合
g.new(a(#),~.len()) // 用分組子集計算彙總
可以想象,這種對位分組在日常統計中是很常見的,比如按地區、按部門統計,都可以事先把基準集合列出來,而且我們經常還要求結果集必須按基準集合的次序出現,而等值分組不能保證這個次序,還要再排序(排序時還是要提供這個基準集合,原集合成員屬性中沒有這個資訊)。
對位分組可能出現空子集,它也不能保證任何原集合的成員都被拆到某個子集中(比如有些不重要的成員沒有被列入基準集合),不過對位分組能保證每個成員最多隻出現在一個子集中。
我們還能把對位分組推廣成更一般的列舉分組。
列舉分組是指,事先指定一組條件,將待分組集合的成員作為引數計算這批條件,條件成立者都被劃分到與該條件對應的一個子集中,結果集的子集和事先指定的條件一一對應。
比如,將員工按年齡段分組統計人數:
a=[?<=30,?<=40,?>40] // 用?表示要代入的引數
g=employee.enum(a,age) // 設計函式enum實現列舉分組,拆分集合
….
顯然,列舉分組在日常業務中也是不少見的。
列舉分組和對位分組很象,都需要先列出一個基準集合,事實上,對位分組就是一種特殊的列舉分組。不過,不同的是,列舉分組可能製造出有重複成員的子集,也就是可重分組。
a=[?<=30,?>20 && ?<=40,?>50] // 條件有重疊
g=employee.enum(a,age)
可重分組在實際業務中相對罕見一些,不過了解一下也有助於再次理解分組運算的實質。
表面上看,對位分組和列舉分組和 SQL 的 GROUP BY 差別很大,但理解了分組運算的本質後,就會明白它們其實是一回事:把某個集合拆分成若干子集。只是拆分的方法各有不同。
還有其它不完全依賴於成員屬性的分組方式,但仍然是一種“把集合拆成子集”的方法,我們在後續文章會再提及。
還有一個問題,SQL 只提供了等值分組,那會不會不夠用呢?用 SQL 又是如何解決對位分組和列舉分組問題的?
其實 SQL 的運算能力是完備的,上述兩種非等值分組都可以轉換成等值分組,就是會麻煩一些。
對於對位分組,可以用基準集合和待分組集合做 LEFT JOIN,對這個結果集再做 GROUP BY 就可以得到相同的效果。注意一定要用 LEFT JOIN,用 JOIN 可能會失去空子集,用 FULL JOIN 又會多出基準集合之外的成員。列舉分組也是類似,但語句會更復雜些,要根據列舉條件去設計 JOIN 的條件,難以給出通用寫法。