基于总体的SQL抽样

Question

我有很多记录.比方说10,000名运动员，按运动分组(下面的数字是可变的)：

4,000 are from NBA
2,000 are from NHL
3,000 are from MLB 
1,000 are from NFL

如何构建一个示例查询，该查询将根据总体情况对100条记录进行采样，而不是完全随机，而是提取：

NBA/整个Population=X从MainTable league= 'NBA‘中选择顶级X*(如下所示)

40名来自NBA，20名来自NHL，30名来自MLB，10名来自NFL。

这只是人口的一个样本，这里的逻辑是计算出整个人口的比率，然后把它们应用到样本的大小上。

问候

Answer 1

考虑对级别顺序使用计数关联子查询，然后将其用作样本比率的筛选标准。

SELECT main.*
FROM 
   (SELECT *,
         (SELECT Count(*) FROM MainTable sub 
          WHERE sub.League = t.League AND sub.UniqueID <= t.UniqueID) As Rank
    FROM MainTable t) AS main

WHERE main.Rank <= CInt((SELECT Count(*) FROM MainTable sub
                         WHERE sub.League = main.League) / 
                         (SELECT Count(*) FROM MainTable) * 100)
ORDER BY main.League, main.Rank

要用嵌套子查询和派生表解释上述查询：

1. 派生表main是精确的源MainTable，它有一个名为Rank的新列，它给出了每个联赛记录的序数。因此，对于第一次NBA记录(不一定是第一排)，它被标记为1级，下一个NBA记录(它可以出现在任何地方，类似于第89排)被标记为2，依此类推。是的，如果需要的话，排名会上升到4,000！
2. 一旦这个秩场被计算出序数1，2，3，.对于每个联赛组，我们将此SELECT语句定位为FROM子句中的派生表，以便在WHERE筛选器中对样本比率使用秩。我们不能在同一个SELECT调用中计算列和筛选器。
3. 示例比率是用于计算：(匹配当前行/表记录总数#的联赛记录)的最后两个子查询。然后，将此值乘以每个样本配额100。CInt用于返回可能的十进制比的整数值。还可以考虑使用Round(..., 0)来代替带小数点的圆圈。

Answer 2

Dim Leagues(1 To 4) As String

Leagues(1) = "NHL"
Leagues(2) = "MLB"
Leagues(3) = "NFL"
Leagues(4) = "MLS"


Set db = CurrentDb

For x = 1 To 4

y = 0
sqql = "Select * from Maintable Where League = '" & leagues(x) & "'"

Set cf = db.OpenRecordset(sqql)

Set samp = db.OpenRecordset("RANDOMSAMPLE")






Do While y < (x * 1000) ' adjust as necessary just swagged in you wanted 1000 from league 1, 2000 league 2 etc

cf.MoveLast
cf.MoveFirst

i = Int((cf.RecordCount - 1 + 1) * Rnd + 1)

cf.Move (i)

With samp

.AddNew

.fields("Yourfield here") = cf![your field ]

' repeat as nec

.Update

End With
y = y + 1
Loop


cf.Close
Next x

samp.Close