【T-SQL】分布抽取部分数据

我设想的是，按一定时间粒度（如日、周、月、季度）划分单据，然后从每个区间内查出一定比例的单据，然后与目标比对，根据比对情况逐步调整粒度与比例，直至符合目标为止。这样就得到了需要保留的单据，剩下就是把查询区间内的其余单据删除即可。当然也可以将当前数据与目标数据相减，得到需要砍掉的数据，完了以该数据作为目标来查询单据，这样就能直接得到需要删除的单据。我采用的是前一种，即得到需要保留的单据，完了也就一个where not in的事，不费力。上代码：

WITH cte AS ( --按一定时间粒度分组（日、周、月、季度等）
SELECT ROW_NUMBER() OVER(PARTITION BY DATEPART(week, 单据日期) ORDER BY 单据编号) AS ‘RowNo‘
,DATEPART(week, 单据日期) AS ‘Rang‘, 单据日期, 单据编号, 成交金额
FROM 主单表
WHERE 营业点=‘xxx‘
AND YEAR(单据日期)=2015
),cte2 AS ( --得到每组的单据数，作为分母
SELECT Rang,COUNT(1) AS ‘BillCount‘ FROM cte GROUP BY Rang
)
SELECT a.*,BillCount
FROM cte a
JOIN cte2 b ON b.Rang = a.Rang
WHERE RowNo/CAST(BillCount AS DECIMAL(16,4)) < 0.81 --按比例取每组的部分行，billcount是int，需转换为小数再除

时间粒度就修改datepart函数的第1个参数（day/week/month/quarter等），注意有2处，比例就修改最后那个0.81，很简单，说一下都多余。

我的环境是SQL08R2，如果有更正确的姿势，还望大侠提点，感谢。

【T-SQL】分布抽取部分数据

标签：