SQL：为唯一 id 选择前 N 个条目并删除重复数据

Question

我有一张如下所示的表格：

HorseID     RiderID     Total
121         1           2
5           1           150
600         1           20
30          2           500
5           3           10
600         3           10
34          3           10

每匹马可能有多个骑手，反之亦然。 “总数”是指骑手和马匹组合的事故总数。我想要的是一张表，其中包含每个骑手的前 2 个 HorseID，已删除重复数据。 （即，骑手 1 的顶级马是马 5，因为他们一起发生了 150 次事件，而骑手 1 的其他马匹有 20 次和 2 次）。所以我想要的输出是：

HorseID
5
600
30

请注意，当骑手少于 2 匹马时，它应该只抓住前 1 匹。当涉及到骑手 3 时，有一个平局，因此它会根据顺序选择前 2 个 - 但是，这些已经在列表中，所以没有添加（去重部分 - 如果是这样的话，也很乐意在单独的步骤中进行去重快点）。我不介意这是否在平局中获得了 34 号（所以我们在名单上多了一个马匹），任何解决平局的方法都可以。

这是一个玩具数据集，实际数据集要大得多，我将为每个 RiderID 争取前 200 名，所以一个可扩展/高效的解决方案会很棒。

我该怎么办？

Answer 1

这只是一个稍加修改的greatest-n-per-group 问题。 MySQL 不是最好的 best-n-per-group，因为它缺乏分析功能，但你可以这样做：

SELECT DISTINCT HorseID
FROM (SELECT HorseID, RiderID, Total,
        @num := IF(@group = RiderID, @num + 1, 1) AS row_number,
        @group := RiderID AS group
    FROM UnnamedTable
    ORDER BY RiderID, Total DESC, HorseID) ranked
WHERE row_number <= 2;

请注意，这不处理关系。如果前三匹马的总数为 200，您仍然只能得到两排。请注意，子查询的 ORDER BY 中的第三项是 HorseID。在平局的情况下，这只是为了使结果具有确定性。您可以通过向IF() 表达式添加一点逻辑并将其从ROW_NUMBER() 更改为DENSE_RANK() 来处理平局。但是，如果您希望它像RANK()，我认为您需要在其中添加第三个变量。

我也不确定它的扩展性如何。