在 Big Query 中从每个组中随机抽取样本

Question

我试图找出在 Big Query 的表中为每个组随机抽取 100 条记录的最佳方法是什么。

例如，我有一个表，其中 A 列是唯一的记录 ID，B 列是该记录所属的组 ID。对于每个不同的 groupID，我想随机抽取 100 个记录 ID。有没有简单的方法来完成这个？

Answer 1

像下面这样的东西应该工作

SELECT recordID, groupID
FROM (
  SELECT 
    recordID, groupID, 
    RAND() AS rnd, ROW_NUMBER() OVER(PARTITION BY groupID ORDER BY rnd) AS pos
  FROM yourTable
)
WHERE pos <= 100
ORDER BY groupID, recordID

如果您想提高随机性，请在此处检查 RAND()