MySQL系统抽样

2.10 分层抽样

分层抽样法也叫类型抽样法。它是从一个可以分成不同子总体（或称为层）的总体中，按规定的比例从不同层中随机抽取样品（个体）的方法。实际工作中我们面对的数据可能有很多分类，比如一个中学有三个年级，初一有1400人，初二有1200人，初三有1000人，如果我们使用随机抽样，得到的样本的分布可能就和整体的分布差别较大，而我们如果按比例将总体划分为三层，在每层中抽样，得到的样本分布就会接近总体。

我们还是使用AppleStore表，我们考虑按照APP的大类（prime_genre）来分层。假设我们每层抽取的样本数量和每层的总体是等比例的，所有总体数量是7142,抽取100个样本：

with s as (
 select *,row_number() over (order by prime_genre) as num
 from AppleStore 
)
select * from s where num % 72 =1

解释：with as
子句中我们将数据按大类（prime_genre）排序，并添加序号列num后结果命名为表s，select * from s where num % 72 =1
就是在按类别排序后的数据每72行抽取一条数据。表达式%是模运算符，即第一个数除以第二个数之后的余数，例如7%5的结果为2。因为我们总体是7142行数据，因此每隔72行取一行数据，最终可以取100条样本。这里的余数是可以自己设定。

在一些情况下，我们还会按金额大小排序后分层，每一层的金额大小相同或相近，这样一种分层抽样的逻辑就不是等比例的，使用SQL语句可能难以实现逻辑，我们在后面学习了Python后，可以尝试完成这种逻辑的分层抽样。一般我们使用SQL都不会去写逻辑特别复杂的语句，因为这不是擅长的方面。