WedX - журнал о программировании и компьютерных науках

Mysql Выберите 5 строк, в которых сумма одного комбинированного столбца лучше всего соответствует определенному значению

Во-первых, я еще даже не начал кодировать этот запрос просто потому, что не знаю, как к нему подойти. Сценарий таков. В table_name мне нужно запросить столбец_a, выбирая (все столбцы) строки, которые лучше всего суммируются с определенным значением. Мое значение для этого примера может быть 150. Результаты в столбце_a могут быть (3,25,67,19,9,11) и т. д. Мне нужны пять строк, которые при суммировании будут ближе всего к 150. В этом случае запрос будет дайте мне строки (67,25,19,11,9).

SELECT * FROM 5 rows -> WHERE SUM(column_a) closest matches 150

этот пример близок к тому, что я ищу, за исключением того, что мне нужно общее количество и полученные строки. Суммировать 5 лучших значений в MySQL

Надеюсь, я объяснил это достаточно хорошо. У меня такое чувство, что это будет простая проблема, которую я просто слишком обдумал.

Спасибо

mysql php sum
23.04.2013

  • дать некоторые данные и желаемый результат 23.04.2013

Ответы:


1

с таблицей t с одним столбцом val

select * from t as t1, t as t2, t as t3, t as t4, t as t5
order by abs(t1.val + t2.val + t3.val + t4.val + t5.val - 150)
limit 1

Обратите внимание, что это будет медленный запрос.

23.04.2013
  • Я думаю, что это может помочь, я проверю это, когда вернусь домой. Что касается скорости, я бы, конечно, хотел, чтобы она была быстрой, но в той же заметке рассматриваемая таблица в любом случае будет не более 200 строк. Спасибо. 24.04.2013
  • Я, конечно, внес некоторые изменения, чтобы соответствовать моим потребностям, но это указало мне правильное направление. 25.04.2013
    • Новые материалы
    Объяснение документов 02: BERT
    BERT представил двухступенчатую структуру обучения: предварительное обучение и тонкая настройка. Во время предварительного обучения модель обучается на неразмеченных данных с помощью..
    Как проанализировать работу вашего классификатора?
    Не всегда просто знать, какие показатели использовать С развитием глубокого обучения все больше и больше людей учатся обучать свой первый классификатор. Но как только вы закончите..
    Работа с цепями Маркова, часть 4 (Машинное обучение)
    Нелинейные цепи Маркова с агрегатором и их приложения (arXiv) Автор : Бар Лайт Аннотация: Изучаются свойства подкласса случайных процессов, называемых дискретными нелинейными цепями Маркова..
    Crazy Laravel Livewire упростил мне создание электронной коммерции (панель администратора и API) [Часть 3]
    Как вы сегодня, ребята? В этой части мы создадим CRUD для данных о продукте. Думаю, в этой части я не буду слишком много делиться теорией, но чаще буду делиться своим кодом. Потому что..
    Использование машинного обучения и Python для классификации 1000 сезонов новичков MLB Hitter
    Чему может научиться машина, глядя на сезоны новичков 1000 игроков MLB? Это то, что исследует это приложение. В этом процессе мы будем использовать неконтролируемое обучение, чтобы..
    Учебные заметки: создание моего первого пакета Node.js
    Это мои обучающие заметки, когда я научился создавать свой самый первый пакет Node.js, распространяемый через npm. Оглавление Глоссарий I. Новый пакет 1.1 советы по инициализации..
    Забудьте о Matplotlib: улучшите визуализацию данных с помощью умопомрачительных функций Seaborn!
    Примечание. Эта запись в блоге предполагает базовое знакомство с Python и концепциями анализа данных. Привет, энтузиасты данных! Добро пожаловать в мой блог, где я расскажу о невероятных..
    Для любых предложений по сайту: [email protected]