结构化数据上的选出运算

【摘要】
    选出是指在集合中,根据指定条件获取成员。选出与定位计算很相似,不过定位关心的是成员在集合中的位置,而选出关心的是成员记录的详细信息。比如选出入职超过 10 年的员工收入,查询销售额超过一万的客户名称等等。如何简单快捷的实现选出?这里将为你全程剖析,并提供 esProc SPL 示例代码。 结构化数据上的选出运算

1\. 选出符合条件的成员

【例 1】 分栏列出欧洲和非洲人口超 200 万的城市名称及人口(每栏按从多到少排序)。世界城市人口表部分数据如下:

| Continent | Country | City | Population |
| Africa | Egypt | Cairo | 6789479 |
| Asia | China | Shanghai | 24240000 |
| Europe | Britain | London | 7285000 |
| … | … | … | … |

期望结果如下:

| Europe   City | Population | Africa   City | Population |
| Moscow | 8389200 | Cairo | 6789479 |
| London | 7285000 | Kinshasa | 5064000 |
| St   Petersburg | 4694000 | Alexandria | 3328196 |
| … | … | … | … |

【SPL 脚本】

|   | A | B |
| 1 | =connect("db").query("select   * from World where Continent in('Europe','Africa') and Population >=   2000000") | /连接数据库,取出欧洲和非洲超过 200 万人口的记录 |
| 2 | =A1.select(Continent:"Europe") | /使用 A.select() 函数取出欧洲数据 |
| 3 | =A1.select(Continent:"Africa") | /使用 A.select() 函数取出非洲数据 |
| 4 | =create('Europe City',Population,'Africa   City', Population) | /按目标结构创建一个空表 |
| 5 | =A4.paste(A2.(City),A2.(Population),A3.(City),A3.(Population)) | /使用 A.paste() 函数将值粘贴到对应列 |

A4的执行结果如下:

| Europe   City | Population | Africa   City | Population |
| Moscow | 8389200 | Cairo | 6789479 |
| London | 7285000 | Kinshasa | 5064000 |
| St   Petersburg | 4694000 | Alexandria | 3328196 |
| … | … | … | … |

【例 2】 查询纽约研发部门员工的全名和收入。部分数据如下:

| ID | NAME | SURNAME | STATE | DEPT | SALARY |
| 1 | Rebecca | Moore | California | R&D | 7000 |
| 2 | Ashley | Wilson | New   York | Finance | 11000 |
| 3 | Rachel | Johnson | New   Mexico | Sales | 9000 |
| 4 | Emily | Smith | Texas | HR | 7000 |
| 5 | Ashley | Smith | Texas | R&D | 16000 |
| … | … | … | … | … | … |

【SPL 脚本】

|   | A | B |
| 1 | =connect("db") | /连接数据源 |
| 2 | =A1.query("select * from   Employee") | /导入员工表 |
| 3 | =A2.select(STATE=="New York"&&DEPT=="R&D") | /使用函数 A.select() 选出纽约研发部门员工的记录。需要同时满足所有条件时,可以使用符号 "&&"。 |
| 4 | =A3.new(NAME+" "+SURNAME:FULLNAME, SALARY) | /使用符号 \+ 连接字符串,组成全名 |

A4的执行结果如下:

| FULLNAME | SALARY |
| Matthew   Johnson | 6000 |
| Lauren   Thomas | 12000 |
| Brooke   Williams | 12000 |

【例 3】 查询各部门 30 岁以下和 50 岁以上的员工的人数。部分数据如下:

| ID | NAME | BIRTHDAY | STATE | DEPT | SALARY |
| 1 | Rebecca | 1974/11/20 | California | R&D | 7000 |
| 2 | Ashley | 1980/07/19 | New   York | Finance | 11000 |
| 3 | Rachel | 1970/12/17 | New   Mexico | Sales | 9000 |
| 4 | Emily | 1985/03/07 | Texas | HR | 7000 |
| 5 | Ashley | 1975/05/13 | Texas | R&D | 16000 |
| … | … | … | … | … | … |

【SPL 脚本】

|   | A | B |
| 1 | =connect("db") | /连接数据源 |
| 2 | =A1.query("select * from   Employee") | /导入员工表 |
| 3 | =A2.select((age=age(BIRTHDAY), age<30 ||   age>50)) | /使用函数 A.select() 选出年龄小于 30 或者年龄大于 50 的员工。需要满足多个条件中任意一个时,可以使用符号 "||"。 |
| 4 | =A3.groups(DEPT; count(~):Count) | /分组汇总各部门满足条件的人数 |

A4的执行结果如下:

| DEPT | Count |
| 4 | 9 |
| 5 | 5 |
| 6 | 3 |
| 7 | 6 |
| 8 | 1 |

2\. 查找最大值 / 最小值对应记录

【例 4】 根据成绩表,求一班数学成绩最低的学生 ID。部分数据如下:

| CLASS | STUDENTID | SUBJECT | SCORE |
| Class   one | 1 | English | 84 |
| Class   one | 1 | Math | 77 |
| Class   one | 1 | PE | 69 |
| Class   one | 2 | English | 81 |
| Class   one | 2 | Math | 80 |
| … | … | … | … |

【SPL 脚本】

|   | A | B |
| 1 | =connect("db") | /连接数据库 |
| 2 | =A1.query("select * from Scores where   SUBJECT='Math'and CLASS='Class one'") | /查询一班的数学成绩 |
| 3 | =A2.minp(SCORE) | /使用 A.minp() 函数选出最低分所在记录 |
| 4 | =A3.STUDENTID | /从记录中取学生 ID |

最小值所在记录不一定是唯一的,如果想返回所有记录,可以使用函数 A.minp() 的选项 @a

|   | A | B |
| 3 | =A2.minp@a(SCORE) | /使用 A.minp() 函数的 @a 选项,选出所有最高分的记录 |
| 4 | =A3.(STUDENTID) | /从多条记录中取出学生 ID |

A3的执行结果如下:

| CLASS | STUDENTID | SUBJECT | SCORE |
| Class   one | 5 | Math | 60 |
| Class   one | 14 | Math | 60 |

A4的执行结果如下:

| Member |
| 5 |
| 14 |

【例 5】 根据奥运会奖牌榜统计表,求总成绩蝉联第一名届数最长的国家。部分数据如下:

| Game | Nation | Gold | Silver | Copper |
| 30 | USA | 46 | 29 | 29 |
| 30 | China | 38 | 27 | 23 |
| 30 | UK | 29 | 17 | 19 |
| 30 | Russia | 24 | 26 | 32 |
| 30 | Korea | 13 | 8 | 7 |
| … | … | … | … | … |

【SPL 脚本】

|   | A | B |
| 1 | =file("Olympic.csv").import@cqt() | /导入奥运会历届排名 |
| 2 | =A1.sort@z(Game, 1000000\Gold+1000\Silver+Copper) | /按第几届和总成绩降序排列 |
| 3 | =A2.group@o1(Game) | /每届取一名,因为有序也就是第一名 |
| 4 | =A3.group@o(Nation) | /将国家按原序分组 |
| 5 | =A4.maxp(~.len()) | /使用函数 A.maxp() 选出成员数量最多的一组,也就是蝉联次数最多的 |

A5的执行结果如下:

| Game | Nation | Gold | Silver | Copper |
| 10 | USA | 41 | 32 | 30 |
| 9 | USA | 22 | 18 | 16 |
| 8 | USA | 45 | 27 | 27 |
| 7 | USA | 41 | 27 | 28 |

3\. 分区段查找数据

有时候我们需要通过计算数值在区间中的序号,来获取在集合中的对应成员。比如根据考试成绩返回评价(优、良、中、差);根据家庭年收入返回家庭所处的资产等级(贫困、小康、中产、富裕等)。

【例 6】 根据成绩表,统计英语科目优秀、及格和不及格的人数。部分数据如下:

| CLASS | STUDENTID | SUBJECT | SCORE |
| Class   one | 1 | English | 84 |
| Class   one | 1 | Math | 77 |
| Class one | 1 | PE | 69 |
| Class   one | 2 | English | 81 |
| Class   one | 2 | Math | 80 |
| … | … | … | … |

【SPL 脚本】

|   | A | B |
| 1 | =connect("db").query("select   * from Scores where SUBJECT='English'") | /连接数据库,查询英语成绩 |
| 2 | =create(Assessment,Score).record(\["fail",0,"pass",60,"excellent",90\]) | /创建分数与评价对照表 |
| 3 | =A1.derive(A2.segp(Score,SCORE).Assessment:Assessment) | /使用 A.segp() 函数根据分数在对照表中的区间序号,获取相应的评价。 |
| 4 | =A3.groups(Assessment;count(1):Count) | /按评价分组统计人数 |

A4的执行结果如下:

| Assessment | Count |
| excellent | 6 |
| fail | 4 |
| pass | 18 |

4\. 选出前 N 名 / 后 N 名

【例 7】 根据成绩表,求各班各科前两名的学生 ID。部分数据如下:

| CLASS | STUDENTID | SUBJECT | SCORE |
| Class   one | 1 | English | 84 |
| Class   one | 1 | Math | 77 |
| Class   one | 1 | PE | 69 |
| Class   one | 2 | English | 81 |
| Class   one | 2 | Math | 80 |
| … | … | … | … |

【SPL 脚本】

|   | A | B |
| 1 | =connect("db") | /连接数据库 |
| 2 | =A1.query("select * from Scores") | /查询学生成绩 |
| 3 | =A2.group(CLASS,SUBJECT;~.top(-2;SCORE):TOP2) | /使用 A.top() 函数获取每个班级各科目分数的前两名。其中 -2 表示从大到小取两名。 |
| 4 | =A3.conj(TOP2) | /将所有班级各科的前两名记录合并到一起 |

A4的执行结果如下:

| CLASS | STUDENTID | SUBJECT | SCORE |
| Class   one | 4 | English | 96 |
| Class   one | 9 | English | 93 |
| Class   one | 13 | Math | 97 |
| Class   one | 10 | Math | 97 |
| … | … | … | … |

5\. 根据主键值查找对应记录

根据主键值查找对应记录是很常见的操作,例如根据员工 ID 查找员工记录,根据订单 ID 查询订单详细信息等等。

【例 8】 根据相互关联的课程表和选课表,列出所有学生所选课程信息表,每个科目作为一列。课程表部分数据如下:

| ID | NAME | TEACHERID |
| 1 | Environmental   protection and … | 5 |
| 2 | Mental   health of College Students | 1 |
| 3 | Computer   language Matlab | 8 |
| … | … | … |

    选课表部分数据如下:

| ID | STUDENT_NAME | COURSE |
| 1 | Rebecca | 2,7 |
| 2 | Ashley | 1,8 |
| 3 | Rachel | 2,7,10 |
| … | … | … |

    希望转换成如下表格:

| ID | STUDENT_NAME | COURSE1 | COURSE2 | COURSE3 | |
| 1 | Rebecca | Mental   health of College Students | Into   Shakespeare |   | … |
| 2 | Ashley | Environmental   protection and … | Modern   economics |   | … |
| 3 | Rachel | Mental   health of College Students | Into   Shakespeare | Music   appreciation | … |
| … | … | … | … | … | … |

【SPL 脚本】

|   | A | B |
| 1 | =connect("db") | /连接数据库 |
| 2 | =A1.query("select * from   Course").keys(ID) | /读取课程表,并设置主键 ID |
| 3 | =A1.query("select * from   SelectCourse") | /读取学生选课表 |
| 4 | =A3.run(COURSE=COURSE.split@cp()) | /将选课表中的课程按逗号拆分后赋值给课程字段 |
| 5 | =A4.max(COURSE.len()) | /找到选课最多的数量 |
| 6 | =create(ID,STUDENT_NAME,   ${A5.("COURSE"+string(~)).concat@c()}) | /创建空表,课程列按照最多的数量创建 |
| 7 | >A4.run(A6.record(\[ID,STUDENT_NAME\]|COURSE.(A2.find(~).Name))) | /循环选课表,将学生 ID、学生姓名以及使用 A.find() 函数查找出的课程名称合并追加到 A6 的表中。 |

A6的执行结果如下:

| ID | STUDENT_NAME | COURSE1 | COURSE2 | COURSE3 |
| 1 | Rebecca | Mental   health of College Students | Into   Shakespeare |   |
| 2 | Ashley | Environmental   protection and … | Modern   economics |   |
| 3 | Rachel | Mental   health of College Students | Into   Shakespeare | Music   appreciation |
| … | … | … | … | … |

SPL CookBook》中还有更多相关计算示例。

你可能感兴趣的