对于想了解SQLServer：只有GROUPBY中的最后一个条目的读者，本文将提供新的信息，我们将详细介绍sql有且只有一个，并且为您提供关于groupby在sqlserver与oracle中的差别、
对于想了解SQL Server：只有GROUP BY中的最后一个条目的读者，本文将提供新的信息，我们将详细介绍sql有且只有一个，并且为您提供关于group by 在sqlserver与oracle中的差别、GROUP BY中的SQL ORDER BY总计、php – 将列中的最后一个条目选为其他列中的唯一条目、python – groupby在熊猫中的最后一个性能问题的有价值信息。
本文目录一览：- SQL Server：只有GROUP BY中的最后一个条目（sql有且只有一个）
- group by 在sqlserver与oracle中的差别
- GROUP BY中的SQL ORDER BY总计
- php – 将列中的最后一个条目选为其他列中的唯一条目
- python – groupby在熊猫中的最后一个性能问题
SQL Server：只有GROUP BY中的最后一个条目（sql有且只有一个）
id | business_key | result 1 | 1 | 0 2 | 1 | 1 3 | 2 | 1 4 | 3 | 1 5 | 4 | 1 6 | 4 | 0
现在我想根据business_key进行分组,返回id最高的完整条目.
所以我的预期结果是：
business_key | result 1 | 1 2 | 1 3 | 1 4 | 0
我打赌有一种方法可以实现这一点,我现在看不到它.
解决方法
SELECT
T1.id,T1.business_key,T1.result
FROM
dbo.My_Table T1
LEFT OUTER JOIN dbo.My_Table T2 ON
T2.business_key = T1.business_key AND
T2.id > T1.id
WHERE
T2.id IS NULL
此查询假定ID是唯一值(至少对于任何给定的business_key)并且它设置为NOT NULL.
group by 在sqlserver与oracle中的差别
在
在sqlserver中group by 不能作为子句查询：
如：select * from (select deptno,count(*) counts from emp group by deptno)
上面在sqlserver中运行会报错，说明sqlserver中group by 不能作为子句
下面sql语句为查找人数最多的部门以及该部门号：
select * from (select deptno,count(*) counts from emp group by deptno) where counts = (select max(count) from (select deptno,count(*) count from emp group by deptno));
人数最多的专业在sqlserver中查询：
select classID,COUNT(*) from student group by classID having
COUNT(*)=(select top 1 COUNT(*) as 人数 from student group by classID order by COUNT(*))
or
COUNT(*)=(select top 1 COUNT(*) as 人数 from student group by classID order by COUNT(*) desc)
GROUP BY中的SQL ORDER BY总计
SELECT a,b,count(1) FROM table GROUP BY a,b ORDER BY a asc,count(1) DESC
每行显示每个分组a中所有唯一B的总和,并按字母顺序按A排序,然后按B的最高出现次数排序到最低.我真正想要的是能够按A的每个分组中的总数进行排序(将每一行视为小计).
解决方法
SELECT a,COUNT(*) AS bcnt,(
SELECT COUNT(*)
FROM mytable mi
WHERE mi.a = mo.a
) AS acnt
FROM mytable mo
GROUP BY
a,b
ORDER BY
acnt DESC,bcnt DESC
php – 将列中的最后一个条目选为其他列中的唯一条目
试图从下表中获取最后一条唯一记录.有一些双打,那些应该被过滤掉.
id topic action date
1 10127 2 2015-09-24 15:28:30
2 10127 4 2015-09-24 15:29:26
3 10127 2 2015-09-24 15:30:01
4 10127 3 2015-09-24 15:30:55
5 10127 1 2015-09-24 16:07:25
6 10127 5 2015-09-24 16:10:25
7 10127 4 2015-09-24 16:29:26
使用此查询(在此处找到)是我最好的努力,但只返回一个结果.
SELECT MAX(action) as action,topic,date FROM ......
GROUP by topic
ORDER by action DESC
想要将此列表作为最新条目获取并在“主题”的“操作”上唯一：
id topic action date
3 10127 1 2015-09-24 15:30:01
4 10127 2 2015-09-24 15:30:55
5 10127 3 2015-09-24 16:07:25
6 10127 4 2015-09-24 16:10:25
7 10127 5 2015-09-24 16:29:26
希望有人有解决方案！
谢谢！
解决方法:
您可以使用子查询来完成.这是完整的sqlfiddle：http://sqlfiddle.com/#!9/f7afa/23
Select * FROM (
SELECT
disTINCT `topic`, `action`, `date`
FROM
ForgeRock
ORDER by date DESC, action ASC
) as X
GROUP BY action
python – groupby在熊猫中的最后一个性能问题
我有一个包含两列和一十多万个元素的DataFrame.
In [43]: df.head(10)
Out[43]:
localtime ref
4 2014-04-02 12:00:00.273537 139058754703810577
5 2014-04-02 12:00:02.223501 139058754703810576
6 2014-04-02 12:00:03.518817 139058754703810576
7 2014-04-02 12:00:03.572082 139058754703810576
8 2014-04-02 12:00:03.572444 139058754703810576
9 2014-04-02 12:00:03.572571 139058754703810576
10 2014-04-02 12:00:03.573320 139058754703810576
11 2014-04-02 12:00:09.278517 139058754703810576
14 2014-04-02 12:00:20.942802 139058754703810577
15 2014-04-02 12:01:13.410607 139058754703810576
[10 rows x 2 columns]
In [44]: df.dtypes
Out[44]:
localtime datetime64[ns]
ref int64
dtype: object
In [45]: len(df)
Out[45]: 111743
In [46]: g = df.groupby('ref')
如果我从我的组中请求最后一个元素,该函数就会挂起！
In [47]: %timeit g.last()
我在6分钟后杀了它; top在整个时间内显示100％的cpu.
如果我明确地请求localtime列,这至少会返回,尽管对于有多少元素来说它仍然看起来很荒谬.
In [48]: %timeit g['localtime'].last()
1 loops,best of 3: 4.6 s per loop
有什么我想念的吗？这是大熊猫0.13.1.
此问题与datetime64类型一起出现.假设我直接从文件中读取：
In [1]: import pandas as pd
In [2]: df = pd.read_csv('so.csv')
In [3]: df.dtypes
Out[3]:
localtime object
ref int64
dtype: object
In [4]: %timeit df.groupby('ref').last()
10 loops,best of 3: 28.1 ms per loop
对象类型工作得很好.然而,如果我施展时间戳,所有地狱都会破裂：
In [5]: df.localtime = pd.to_datetime(df.localtime)
In [6]: df.dtypes
Out[6]:
localtime datetime64[ns]
ref int64
dtype: object
In [7]: %timeit df.groupby('ref').last()
情节变粗.
使用Jeff的建议在没有数据文件的情况下重现：
In [70]: rng = pd.date_range('20130101',periods=20,freq='s')
In [71]: df = pd.DataFrame(dict(timestamp = rng.take(np.random.randint(0,20,size=100000)),value = np.random.randint(0,100,size=100000)*1000000))
In [72]: %timeit df.groupby('value').last()
1 loops,best of 3: 332 ms per loop
但是,如果我改变随机整数的范围,那么问题又会出现！
In [73]: df = pd.DataFrame(dict(timestamp = rng.take(np.random.randint(0,100000,size=100000)*1000))
In [74]: %timeit df.groupby('value').last()
我只是增加了第二个randint()的高参数,这意味着groupby()将具有更大的长度.这会在没有数据文件的情况下重现我的错误.
请注意,如果我放弃datetime64类型,那么没有问题：
In [12]: df = pd.DataFrame(dict(timestamp = np.random.randint(0,size=100000),size=100000)*1000))
In [13]: %timeit df.groupby('value').last()
100 loops,best of 3: 14.4 ms per loop
所以罪魁祸首是在datetime64上缩放last().
In [3]: rng = date_range('20130101',freq='s')
In [4]: df = DataFrame(dict(timestamp = rng.take(np.random.randint(0,size=100000)*1000000))
In [5]: df.info()
好的,这里是解释：
使用np.random.randint(0,size = 100000)作为值,创建100个组,
而np.random.randint(0,size = 100000)创造了更多(在我的例子中)
63000)左右.
.last(in <0.14)implicity完成最后一个非nan值.这个na测试并不便宜,因此它具有较差的扩展性能(并且在每个组的python空间中完成).
另一方面,尾部(1)(<0.14)不检查这一点,因此性能要好得多(并使用cython路由来获得结果).
在0.14中这些将是相同的(即使你这样做：nth(-1,dropna =’any’)将复制最后在这里做的事情,这样做是为了有更好的性能.(谢谢@Andy Hayden).
底线是在<中使用tail(1). 0.14.
今天的关于SQL Server：只有GROUP BY中的最后一个条目和sql有且只有一个的分享已经结束，谢谢您的关注，如果想了解更多关于group by 在sqlserver与oracle中的差别、GROUP BY中的SQL ORDER BY总计、php – 将列中的最后一个条目选为其他列中的唯一条目、python – groupby在熊猫中的最后一个性能问题的相关知识，请在本站进行查询。
本文标签：
