结构化数据上的 TopN 运算

1.     最大值 / 最小值

最大值 / 最小值可以理解为 TopN 查询中，N 等于 1 时的情况，因为很常用所以单独拿出来讲一下。取最大值 / 最小值是很常见的需求，例如一班数学最高分是多少，员工年龄最小的是几岁等等。但是有时候我们并不关心具体的值，而是关心最大值 / 最小值出现的位置，这种需求常用于跨行计算。例如公司销售额最高的那个月比上个月的销售额增加了多少？此时我们需要知道销售额最高月份所在记录的行号，再取出上个月的销售额与之比较。还有时候我们关心的是最大值 / 最小值所在记录的详细信息。例如取一班数学最高分的同学姓名，公司年龄最小的员工在哪个部门等等。

本节将从以上三种情况来讲解如何处理最大值 / 最小值的各种情况。以纳斯达克指数为例，部分数据如下：

Date	Open	Close	Volume
2019/01/02	6506.910156	6665.939941	2261800000
2019/01/03	6584.77002	6463.5	2607290000
2019/01/04	6567.140137	6738.859863	2579550000
2019/01/07	6757.529785	6823.470215	2507550000
2019/01/08	6893.439941	6897.0	2380290000
…	…	…	…

 

1.1    取最大值 / 最小值

【例 1】 求纳斯达克指数 2019 年最高收盘价。

【SPL 脚本】

	A	B
1	=file("IXIC.txt").import@t()	/导入纳斯达克指数数据
2	=A1.select(year(Date)==2019)	/选出 2019 年数据
3	=A2.max(Close)	/使用函数 A.max() 获取最高收盘价

同样的例子，求纳斯达克指数 2019 年最低收盘价：

	A	B
3	=A2.min(Close)	/使用函数 A.min() 获取最低收盘价

 

1.2    取最大值 / 最小值所在的行号

【例 2】 求 2019 年收盘价最高日，相比前一日的收盘价涨幅。

【SPL 脚本】

	A	B
1	=file("IXIC.txt").import@t()	/导入纳斯达克指数数据
2	=A1.select(year(Date)==2019).sort(Date)	/选出 2019 年数据并按日期排序
3	=A2.pmax(Close)	/使用函数 A.pmax() 取出收盘价最高点所在的行号
4	=A2.calc(A3,Close/Close[-1]-1)	/使用收盘价最大值与前日收盘价计算涨幅

最大值不一定是唯一的，如果想返回所有的行号，可以使用函数 A.pmax() 的 @a 选项：

	A	B
3	=A2.pmax@a(Close)	/取出所有收盘价最高点记录所在行号

    如果希望从后向前定位，可以使用函数 A.pmax() 的 @z 选项：

	A	B
3	=A2.pmax@z(Close)	/从后向前取出收盘价最高点记录所在行号

 

1.3    取最大值 / 最小值所在的记录

【例 3】 求纳斯达克指数 2019 年最高点的日期。

【SPL 脚本】

	A	B
1	=file("IXIC.txt").import@t()	/导入纳斯达克指数数据
2	=A1.select(year(Date)==2019)	/选出 2019 年数据
3	=A2.maxp(Close)	/使用函数 A.maxp() 取出收盘价最高点所在的记录
4	=A3.Date	/取出收盘价最高点的日期

    同样可以使用函数 A.minp() 来取最小值所在记录：

	A	B
3	=A2.minp(Close)	/使用函数 A.minp() 取出收盘价最低点所在的记录

    函数 A.maxp()和 A.minp() 同样支持 @a 和 @z 选项，就不再逐一列举了。

2.     前 N 个 / 后 N 个

取前 N 个 / 后 N 个的需求，与取最大值 / 最小值是类似的。我们同样分为三类需求来详细介绍。还是以纳斯达克指数为例，部分数据如下：

Date	Open	Close	Volume
2019/01/02	6506.910156	6665.939941	2261800000
2019/01/03	6584.77002	6463.5	2607290000
2019/01/04	6567.140137	6738.859863	2579550000
2019/01/07	6757.529785	6823.470215	2507550000
2019/01/08	6893.439941	6897.0	2380290000
…	…	…	…

 

2.1    取前 N 个 / 后 N 个值

【例 4】 查询纳斯达克指数 2019 年成交量最高的 3 个量值。

【SPL 脚本】

	A	B
1	=file("IXIC.txt").import@t()	/导入纳斯达克指数数据
2	=A1.select(year(Date)==2019)	/选出 2019 年数据
3	=A2.top(-3, Volume)	/使用函数 A.top(n,x) 获取成交量最高的 3 个量值

同样的例子，查询纳斯达克指数 2019 年成交量最低的 4 个量值：

	A	B
3	=A2.top(4, Volume)	/使用函数 A.top(n,x) 获取成交量最低的 4 个量值

 

2.2    取前 N 个 / 后 N 个所在的行号

【例 5】 查询纳斯达克指数 2019 年收盘价最高的 3 天中，交易量相对前一日的涨幅。

【SPL 脚本】

	A	B
1	=file("IXIC.txt").import@t()	/导入纳斯达克指数数据
2	=A1.select(year(Date)==2019).sort(Date)	/选出 2019 年数据并按日期排序
3	=A2.ptop(-3, Close)	/使用函数 A.ptop(n,x) 取出最高的 3 个收盘价所在的行号
4	=A3.run(~=A2(~).Volume/A2(~-1).Volume-1)	/循环使用当日交易量与前日交易量计算涨幅

 

2.3    取前 N 个 / 后 N 个所在的记录

【例 6】 查询纳斯达克指数 2019 年成交量最低的 5 个交易日的交易信息。

【SPL 脚本】

	A	B
1	=file("IXIC.txt").import@t()	/导入纳斯达克指数数据
2	=A1.select(year(Date)==2019).sort(Date)	/选出 2019 年数据
3	=A2.top(5; Close)	/使用函数 A.top(n; x) 取出成交量最低的 5 个交易日的记录

 

3.     分组中的使用

除了分组汇总计算每组的最大值 / 最小值，查询每组前 N 个 / 后 N 个也是很常见的需求。例如每个月卖的最好的 5 款商品是哪些，每年总销售额前三名的客户是哪些等等。本节我们会分类介绍，如何解决在分组中使用 TopN 的问题。

3.1    分组聚合中的最大值

【例 7】 查询各班数学最高分。成绩表部分数据如下：

CLASS	STUDENTID	SUBJECT	SCORE
1	1	English	95
1	1	Math	90
1	1	PE	80
1	2	English	75
1	2	Math	84
…	…	…	…

【SPL脚本】

	A	B
1	=file("Score.txt").import@t()	/导入成绩表数据
2	=A1.select(Subject:"Math")	/选出数学成绩
3	=A2.groups(Class; max(Score):BestScore)	/按班级分组，使用 max() 函数统计各班数学最高分

 

3.2    分组后进行 TopN 运算

我们也可以把 TopN 查询看作一种聚合运算。首先将数据按照一定的条件分组，然后再对每个分组后的结果集进行 TopN 查询。我们分别按照取值和取记录两种情况来讲解。

【例 8】 查询各班数学前两名的分数。成绩表部分数据如下：

CLASS	STUDENTID	SUBJECT	SCORE
1	1	English	95
1	1	Math	90
1	1	PE	80
1	2	English	75
1	2	Math	84
…	…	…	…

【SPL脚本】

	A	B
1	=file("Score.txt").import@t()	/导入成绩表数据
2	=A1.select(Subject:"Math")	/选出数学成绩
3	=A2.group(Class; ~.top(-2, Score):top2)	/按班级分组，使用函数 A.top() 统计各班数学前两名的分数
4	=A3.new(Class, top2(1):First,   top2(2):Second)	/创建结果表，第一列是班级，第二列是第一名，第三列是第二名

 

【例 9】 查询各班每科成绩前三名的学生信息。成绩表部分数据如下：

CLASS	STUDENTID	SUBJECT	SCORE
1	1	English	95
1	1	Math	90
1	1	PE	80
1	2	English	75
1	2	Math	84
…	…	…	…

【SPL脚本】

	A	B
1	=file("Score.txt").import@t()	/导入成绩表数据
2	=A1.group(Class,Subject;~.top(-3;Score):top3)	/按班级和学科分组并取出每组分数前两名
3	=A2.conj(top3)	/将所有班级各科前两名对应的记录合并

 

3.3    以累计方式进行 TopN 运算

以累计方式进行 TopN 运算，不会产生分组的结果集，常用于数据量比较大的时候。我们还是按照取值和取记录两种情况来讲解。

【例 10】 求每个部门入职最早的两个人的入职日期。雇员表的部分数据如下：

EID	NAME	DEPT	EntryDate
1	Rebecca	R&D	2005/03/11
2	Ashley	Finance	2008/03/16
3	Rachel	Sales	2010/12/01
4	Emily	HR	2006/08/15
5	Ryan	R&D	2004/07/30
…	…	…	…

 

【SPL 脚本】

	A	B
1	=file("Employee.txt").cursor@t()	/产生雇员表的游标
2	=A1.groups(Department;   top(2,EntryDate):Top2)	/按部门分组并取出每组入职时间最早的两个日期
3	=A2.news(Top2;Department, ~:EntryDate)	/创建新表，第一列是部门，第二列是入职日期

 

【例 11】 求每个部门薪水前三高的员工信息。雇员表的部分数据如下：

EID	NAME	DEPT	SALARY
1	Rebecca	R&D	7000
2	Ashley	Finance	11000
3	Rachel	Sales	9000
4	Emily	HR	7000
5	Ryan	R&D	13000
…	…	…	…

 

【SPL 脚本】

	A	B
1	=file("Employee.txt").cursor@t()	/产生雇员表的游标
2	=A1.groups(Department; top(-3;Salary):Top3)	/按部门分组并取出每组薪水前三的记录
3	=A2.conj(Top3)	/把各部门薪水前三的记录合并

 

《SPL CookBook》中还有更多相关计算示例。