在 PostgreSQL 中采样

Question

我正在寻找 PostgreSQL 中随机抽样的可能方法。我找到了几种方法来做到这一点，各有优缺点。天真的方法是：

select * from Table_Name
order by random()
limit 10;

另一种更快的方法是：

select * from Table_Name
WHERE random() <= 0.01
order by random()
limit 10;

（尽管 0.01 取决于 table 大小和样本大小；这只是一个示例。）

在这两个查询中，都会为每一行生成一个随机数，并根据这些随机生成的数进行排序。然后在排序的数字中选择前10个作为最终结果，所以我认为这些应该是无放回抽样。

现在我想做的是以某种方式将这种抽样方法变成有放回抽样。这怎么可能？或者PostgreSQL中有没有其他随机抽样的替换方法？

我不得不说我确实知道这可能是如何实现的，但我不知道如何在 postgresql 中实现它，这是我的想法：
如果不是生成一个随机值而是生成S个随机值，其中S是样本大小，然后对所有随机生成的值进行排序，它将是有放回的采样。（我不知道我是否正确）
此时我不介意查询的性能。

Answer 1

这可以通过将随机值映射到行号来实现。如果恰好对应的同一个随机数出现 N 次，则同一行可以被采样 N 次。这是一个 CTE 实现：

with 
 rows as (select *,row_number() over() as rn from tablename order by random()),
 w(num) as (select (random()*(select count(*) from rows))::int+1
              from generate_series(1,10)) 
select rows.* from rows join w on rows.rn = w.num;

在 PostgreSQL 中采样

Sampling in PostgreSQL

random

postgresql

replace

sampling