多列整数排序

Question

我不知道是否为此问题选择了合适的标题（如果没有，请相应地更改它），但是请考虑以下我正在使用的简化表结构：

----------------------------------------------
|  date  |  i  |  j  |  k  |  x  |  y  |  z  |
----------------------------------------------
| 100209 |  1  |  2  |  3  |  4  |  5  |  6  |
----------------------------------------------
| 100210 |  2  |  3  |  4  |  5  |  6  |  7  |
----------------------------------------------
| 100211 |  0  |  1  |  2  |  3  |  4  |  5  |
----------------------------------------------
| 100212 |  1  |  2  |  3  |  4  |  5  |  6  |
----------------------------------------------
| 100213 |  6  |  5  |  4  |  3  |  2  |  1  |
----------------------------------------------

i，j，k，x，y，z都是不相关的整数/浮筒，它们都代表不同的因素，并可以具有数量级的非常不同的顺序（ i 范围可从1 -
10，而j的范围可以从100 - 1000
）。

我正在尝试选择条件相似的日期。给定一组i，j，k，x，y，z值我需要 返回由下令所有结果 接近
所有值作为一个整体
，例如，如果i = 1，j = 2，k = 3，x = 4，y = 5和z = 6查询应按此顺序返回日期如下：

1. 100209
2. 100212
3. 100210
4. 100211
5. 100213

我不知道这是否是相关或不的问题，但一些值（ i， j， k）的意思是 越多越好 ，而其他值（ x， y， z）的意思正好相反：
越少越好 。

我应该如何建立这样的查询？ 仅使用SQL是否有可能？

我会尽力回答您的意见。这是我的数据样本：

---------------------------------------------------------------------------------
  date  |  temperature  |  humidity  |  pressure  |  windSpeed  |  moonDistance  
---------------------------------------------------------------------------------
 090206 |  7            |  87        |  998.8     |  3          |  363953        
---------------------------------------------------------------------------------
 ...... |  ...          |  ...       |  ....      |  ...        |  ......        
---------------------------------------------------------------------------------
 100206 |  10           |  86        |  1024      |  2          |  386342        
---------------------------------------------------------------------------------
 100207 |  9            |  90        |  1015      |  1          |  391750        
---------------------------------------------------------------------------------
 100208 |  13           |  90        |  1005      |  2          |  396392        
---------------------------------------------------------------------------------
 100209 |  12           |  89        |  1008      |  2          |  400157        
---------------------------------------------------------------------------------
 100210 |  11           |  92        |  1007      |  3          |  403012        
---------------------------------------------------------------------------------
 100211 |  6            |  86        |  1012      |  2          |  404984        
---------------------------------------------------------------------------------
 100212 |  6            |  61        |  1010      |  3          |  406135        
---------------------------------------------------------------------------------
 100213 |  7            |  57        |  1010      |  2          |  406542        
---------------------------------------------------------------------------------

我的表结构具有更多的列和数千行，但是希望这足以使我的观点清楚。我不会尝试像上一个示例中那样对这些值进行排序，因为我可能会弄错了，但是我基本上需要使用此数据执行两种类型的查询：

1. 显示我所有的日期，并按照我提供的条件进行排序
2. 显示我所有的日期，并按照日期X中观察到的条件进行排序

我知道可以通过使用第一个查询轻松地归档第二个查询，但是我的问题在于使用几列进行相似排序，这就是我的意思，即“ 按 整体上所有值的 紧密
程度进行排序”。就像，如果我只处理一列，按 相似性 排序会容易 得多， 但是当处理几列时，我的头确实开始旋转。

目标是能够产生如下结果：

今天确实类似于d / m / yy，非常类似于d / m / yy，有点类似于d / m / yy，…

就我而言，我与天气和大气数据工作，但如果它可以帮助我猜你能想到在这个问题上来讲employees（有attendance，hoursPerWeek并monthlySalary通过员工认为最相似列）和秩序attendance = 100%，hoursPerWeek = 40并monthlySalary = $5000为实例。

PS：
现在我已经给出了这个雇员示例，现在我不确定是否可以将其与我正在使用的天气示例进行比较，因为有了employees表，您可以计算（rating = monthlySalary / hoursPerWeek * attendance例如）列的权重但是我认为天气表不能做到同样的事情-
无论如何，我们赞赏大家的投入 。

PS2 ：我不确定我是否表现得足够好，如果您仍有疑问，请告诉我。

赏金

到目前为止，有一些好的建议，但是没有一个能真正解决我的问题。我设立了一个赏金计划，希望能为该问题收集更多可能的解决方案。谢谢。

Answer 1

您似乎遇到的问题是每一列的比例都不同，因此您很难轻松地将它们组合在一起。可以使用称为增白的技术解决此问题。这涉及到计算每列的平均和标准偏差（您可以在1条SQL语句中执行此操作），然后在选择时将每列缩放为该值：

colSortPos = (colValue-colMean) / colStdev

这样做会使每一列的范围在0左右，标准偏差在+/- 1范围内，+
/-1。这里的问题是，这不是二维问题，因此您需要进行多维思考。因此，我的建议是将欧几里德距离作为您的排序顺序。

SELECT
    date,
    i,
    j,
    k,
    SQRT( POW((i-@iMean)/@iStdDEv, 2) + POW((j-@jMean)/@jStdDEv, 2) + POW((k-@kMean)/@kStdDEv, 2) )
AS
    sort_order
FROM
    table
ORDER BY
    sort_order

唯一的问题是，它将问题投影到一维空间上可能会使您错过一些相关性。要解决此问题，我建议使用像K-
means这样的聚类技术，该技术实施起来非常简单，而且速度非常快。这将允许您将日期分组为k个群集，这些群集显示最相似的[
http://en.wikipedia.org/wiki/K-means_clustering
]。如果您有原始数据并想使用这些（和其他）技术，那么我建议您尝试使用weka工具包[
http://www.cs.waikato.ac.nz/ml/weka/
]，它将使您能够玩这些技术。