递归 CTE 以唯一编号数据集中的组

Recursive CTE to uniquely number groups in data set

我的数据集如下:

Product_1   Product_2
   A           B
   A           A
   A           C
   C           D
   B           C
   E           E
   Z           Z

table说的是实际上A产品是B产品那么A产品当然是A产品,A产品也和C产品一样但是考虑到C产品是D产品最终产品 A 也与产品 D 相同。

我需要在此 table 添加一列,将所有相同的产品分组如下:

Product_1   Product_2  Group
   A           B         1
   A           A         1
   A           C         1
   C           D         1
   B           C         1
   E           E         2
   Z           Z         3

我正在使用 R,因此我正在考虑使用带有 sqldf 包的递归 CTE。 这是大数据,所以使用矩阵来解决问题会使我超过 1.3 TB,而我没有。 有人知道怎么做吗?

此关系是 commutative,因此 b 计算两个方向的关系以使以下查询更简单。

closure 是递归 CTE,计算 transitive closure,即等效产品的所有可能组合。

ec计算equivalence classes,即对于每个产品,它计算相同class中最小的产品名称,例如:

A|A
B|A
C|A
D|A
E|E
Z|Z

g 通过计算有多少个较小的不同 class 值来计算组数:

A|1
B|1
C|1
D|1
E|2
Z|3
WITH RECURSIVE b AS (
  SELECT product_1, product_2 FROM MyTable
  UNION ALL
  SELECT product_2, product_1 FROM MyTable
),
closure AS (
  SELECT product_1, product_2 FROM b

  UNION

  SELECT c.product_1, b.product_2
  FROM closure AS c
  JOIN b ON c.product_2 = b.product_1
),
ec(product, class) AS (
  SELECT product_1, MIN(product_2)
  FROM closure
  GROUP BY product_1
),
g(product, g) AS (
  SELECT product,
         (SELECT COUNT(DISTINCT class)
          FROM ec AS ec2
          WHERE ec2.class <= ec.class)
  FROM ec
)
UPDATE MyTable
SET "Group" = (SELECT g
               FROM g
               WHERE product = MyTable.Product_1);

It's big data

那么希望你有一个大磁盘来存放临时数据……