检查项目集是否出现在行 MySQL 中

Question

我正在 MySQL 中处理大数据集（结合 Java）并尝试实现频繁项集算法。该算法的一个重复方面是计算一组项目（一个项目是一个随机整数）在数据集中出现的次数。

以这个小数据集为例 T:

ID | COL1 | COL2 | COL3 | COL4 | COL5 |
---------------------------------------
1  |   8  |  35  |  42  |  12  |  27  |
2  |  22  |  42  |  35  |  8   | NULL |
3  |  18  |  22  |   8  | NULL | NULL |
4  |  42  |  12  |  27  |  35  |  8   |
5  |  18  |  27  |  12  |  22  | NULL |

还有这个tableT2:

COL1 | COL2 |
-------------
35   | 27   |
22   | 8    |
42   | 8    |
18   | 35   |
35   | 42   |

我想要的结果是以下table（它也可以是查询的答案）：

COL1 | COL2 | COUNT |
---------------------
35   | 27   | 2     |
22   | 8    | 2     |
42   | 8    | 3     |
18   | 35   | 0     |
35   | 42   | 3     |

所以我想统计 table T2 在 table T 中每一行的每次出现。基本上 T2 行是 T

行的子集多少次

每一代算法都必须这样做。这是一个非常小的示例，最终必须对 T3（具有 3 个项目的行）、T4（具有 4 个项目的行）进行相同的操作等 Table T 保持不变。我还必须考虑到顺序无关紧要（|35、27| = |27、35|），并且它们可能不会在 T[=40 中彼此相邻的列中=]

是否可以在不遍历数据集太多次的情况下执行此操作（而太多 = 超过 T2[=40 中的行数=])? 将一行表示为一个元组（例如 (35, 27)）可能会更好，这样它就变成了一个项目？

Answer 1

如果您可以将数据重组为每行一个值，对于 T 和 TN，这样的事情应该同时适用于所有 TN。

SELECT n_id, COUNT(CASE WHEN matches = n_count THEN v_id ELSE NULL) AS occurences
FROM (
  SELECT n.n_id, v.set_id AS v_id, n.n_count, COUNT(*) AS matches
  FROM (SELECT n_id, COUNT(*) AS n_count FROM tN GROUP BY id) AS n
  INNER JOIN tN AS nv ON n.n_id = nv.n_id
  LEFT JOIN T_VALUES AS v ON nv.value = v.value
  GROUP BY n.n_id, v.set_id, n.n_count
) AS subQ;

如果您在最终结果中需要 TN 值，类似这样的结果会很接近。

SELECT n_id, n_values, COUNT(CASE WHEN matches = n_count THEN v_id ELSE NULL) AS occurences
FROM (
  SELECT n.n_id, n.n_count, n.n_values, v.set_id AS v_id, COUNT(*) AS matches
  FROM (
       SELECT n_id, COUNT(*) AS n_count 
          , GROUP_CONCAT(n.value) AS n_values
       FROM tN 
       GROUP BY id
  ) AS n
  INNER JOIN tN AS nv ON n.n_id = nv.n_id
  LEFT JOIN T_VALUES AS v ON nv.value = v.value
  GROUP BY n.n_id, n.n_count, n.n_values, v.set_id
) AS subQ;

注意：您可能不用子查询就可以逃脱，但最终可能会让数据库为 T 的每一行重复计算相同的 n_count 和 n_values。

Answer 2

由于 Uueerdo 的回答，我意识到我必须使用不同的结构，所以我没有使用 table T:

ID | COL1 | COL2 | COL3 | COL4 | COL5 |
---------------------------------------
1  |   8  |  35  |  42  |  12  |  27  |
2  |  22  |  42  |  35  |  8   | NULL |
3  |  18  |  22  |   8  | NULL | NULL |
4  |  42  |  12  |  27  |  35  |  8   |
5  |  18  |  27  |  12  |  22  | NULL |

我现在用Tnew:

ID | Item|
1  | 8   |
1  | 35  |
1  | 42  |
.  |  .  |
.  |  .  |
.  |  .  |

这在 SQL 中更容易工作，您可以使用分组依据和联接来获得所需的结果。该查询适用于具有相同 ID 的任意数量的项目。此外，您不必使用值 NULL 并且数据集更容易创建

如果有人想知道我最终使用的查询，请告诉我（想出好的 table 名称并使其清晰易懂需要做一些工作）。

检查项目集是否出现在行 MySQL 中

Check if set of items occurrs in row MySQL

mysql

subset

find-occurrences