SPL:按枚举条件分组

   在分组时,我们经常需要把满足同一个条件的记录分配到同一组中。比如根据城市人口将城市分为大、中、小型城市,根据年收入将家庭分为富裕、中产、小康、贫困等等。根据事先定义好的枚举条件,将符合条件的成员分配到对应的组中,这种分组我们称为枚举分组。

1.   每个成员只存放到第一个匹配组

   按事现定义好的一组枚举条件的顺序,将待分组集合的成员作为参数计算这批条件,条件成立者都被划分到与该条件对应的第一个匹配组中。

【例 1】 根据中国城市的市区人口,将城市分类并统计数量。其中超大城市 200 万人口以上,特大城市 100-200 万人口,大城市 50-100 万,其他中小城市。部分数据如下:

ID

CITY

POPULATION

PROVINCE

1

Shanghai

12286274

Shanghai

2

Beijing

9931140

Beijing

3

Chongqing

7421420

Chongqing

4

Guangzhou

7240465

Guangdong

5

Hong   Kong

7010000

Hong Kong   Special Administrative Region

 

   在 SPL 中函数 A.enum() 用于枚举分组,默认每个成员只存放到第一个匹配组。

   SPL脚本如下:


A

1

=T("UrbanPopulation.txt")

2

[?>2000000,?>1000000,?>500000,?<=500000]

3

=A1.enum(A2,POPULATION)

4

[超大城市, 特大城市, 大城市, 中小城市]

5

=A3.new(A4(#):CITY_TYPE,~.count():COUNT)

A1:导入城市人口表。

A2:定义分组条件。

A3:使用函数 A.enum() 将城市人口表按条件进行枚举分组,默认将每个成员只存放到第一个匹配组。

A4:定义每组的名称。

A5:根据枚举分组结果,统计每个组的城市数量。

 

2.   不匹配成员存放到新组

   按枚举条件进行分组时,可能会有不匹配任何一组条件的成员,我们可以将这些成员存放到新组。适用于不仅关心匹配的成员信息,还要关心其他不匹配成员的场景。

【例 2】 根据年龄将员工分组统计平均工资,分成 35 岁以下、45 岁以下和其他三个组。员工表部分数据如下:

ID

NAME

BIRTHDAY

STATE

DEPT

SALARY

1

Rebecca

1974/11/20

California

R&D

7000

2

Ashley

1980/07/19

New   York

Finance

11000

3

Rachel

1970/12/17

New   Mexico

Sales

9000

4

Emily

1985/03/07

Texas

HR

7000

5

Ashley

1975/05/13

Texas

R&D

16000

 

    在 SPL 中函数 A.enum() 的选项 @n,用于在枚举分组时将不匹配成员存放到新组。

    SPL脚本如下:


A

1

=T("Employee.csv")

2

[?<35,?<45]

3

=A1.enum@n(A2, age(BIRTHDAY))

4

[35 岁以下,45 岁以下, 其他]

5

=A3.new(A4(#):AGE_AREA,~.avg(SALARY):AVG_SALARY)

A1:导入员工表。

A2:定义分组条件。

A3:使用函数 A.enum() 按年龄条件枚举分组,使用选项 @n 将不匹配成员存放到新组。

A4:定义每组的名称。

A5:根据枚举分组结果,统计每个员工的平均工资。

 

3.   按照枚举条件可重复分组

   有时我们需要把满足多个分组条件的成员,重复分配到所有对应的分组中。

【例 3】 根据城市 GDP 表,分别统计直辖市、一线城市、二线城市的人均 GDP。需要注意的是,分组可能会有重复成员,比如北京既是一线城市,又是直辖市。部分数据如下:

ID

CITY

GDP

POPULATION

1

Shanghai

32679

2418

2

Beijing

30320

2171

3

Shenzhen

24691

1253

4

Guangzhou

23000

1450

5

Chongqing

20363

3372

 

   在 SPL 中函数 A.enum() 的选项 @r,用于在枚举分组时每组检查所有成员是否匹配。

    SPL脚本如下:


A

1

=T("CityGDP.txt")

2

[["Beijing","Shanghai","Tianjin","Chongqing"],["Beijing","Shanghai","Guangzhou","Shenzhen"],["Chengdu","Hangzhou","Chongqing","Wuhan","Xian","Suzhou","Tianjin","Nanjing","Changsha","Zhengzhou","Dongguan","Qingdao","Shenyang","Ningbo","Kunming"]]

3

[A2(1).pos(?)>0,A2(2).pos(?)>0,A2(3).pos(?)>0]

4

=A1.enum@r(A3,CITY)

5

[直辖市, 一线城市, 二线城市]

6

=A4.new(A5(#):AREA,~.sum(GDP)/~.sum(POPULATION)*10000:CAPITA_GDP)

A1:导入城市 GDP 表。

A2:定义直辖市、一线城市和二线城市常量。

A3:枚举直辖市、一线城市和二线城市的条件。

A4:使用函数 A.enum() 按枚举条件分组,使用选项 @r 时每组检查所有成员是否匹配。

A5:定义每组的名称。

A6:根据枚举分组结果,统计每组的人均 GDP。

UrbanPopulation.txt

Employee.csv

CityGDP.txt