sql - 关联 varchar 值

Question

Oracle 11 中是否有内置方法来检查 varchar2 字段中值的相关性？例如，给定一个简单的表，如下所示:

MEAL_NUM  INGREDIENT
--------------------
1         BEEF
1         CHEESE
1         PASTA
2         CHEESE
2         PASTA
2         FISH
3         CHEESE
3         CHICKEN

我想得到一个基于 MEAL_NUM 的数字指示，CHEESE 主要与 PASTA 搭配，而与 BEEF、CHICKEN 和 FISH 搭配的程度降低。

我的第一个倾向是使用 CORR 函数并将字符串转换为数字，方法可能是预先枚举它们或从唯一的选择中获取 rownum。

任何建议如何解决这个问题？

Answer 1

你不会想使用 CORR -- 如果您创建“食物编号”并指定牛肉 = 1、鸡肉 = 2 和意大利面 = 3，那么相关系数将告诉您奶酪的增加是否与“食物编号”的增加相关。但是“食物数量”的高或低并不意味着什么，因为你是编造出来的。所以，不要使用 CORR除非您的食物实际上是以某种方式订购的，例如数字。

统计学家谈论这个的方式是 levels of measurement .在链接文章的语言中，MEAL_NUM是一个名义度量——或者如果饭菜按顺序发生，则可能是一个有序度量，但无论哪种方式，对它使用相关系数都是一个非常糟糕的主意。

相反，您可能想要找到诸如“牛肉餐中有多少百分比还含有奶酪？”之类的内容。对于每种成分，以下将返回包含它的膳食数量以及包含它和奶酪的膳食数量。诀窍是COUNT只计算非空值。

SELECT Other.Ingredient, 
       COUNT(*) AS TotalMeals, 
       COUNT(Cheese.Ingredient) AS CheesyMeals
     FROM table Other
LEFT JOIN table Cheese
      ON (Cheese.Ingredient = 'Cheese' 
      AND Cheese.Meal_Num = Other.Meal_Num)
GROUP BY Other.Ingredient

警告:如果您在任何一顿饭中两次包含一种成分，则会返回错误的结果。

编辑:事实证明您对奶酪并不特别感兴趣。你真的想要所有的“相关性”对。因此，我们可以将“奶酪”抽象出来，并称它们为第一和第二成分。我在这个中添加了一个“PossibleScore”，它试图表现得像膳食的百分比，但如果该成分的实例很少，则不会给出很高的分数。

SELECT First.Ingredient, 
       Second.Ingredient, 
       COUNT(*) AS MealsWithFirst, 
       COUNT(First.Ingredient) AS MealsWithBoth,
       COUNT(First.Ingredient) / (COUNT(*) + 3) AS PossibleScore,
     FROM table First
LEFT JOIN table Second
      ON (First.Meal_Num = Second.Meal_Num)
GROUP BY First.Ingredient, Second.Ingredient

按分数排序时，这应该返回

PASTA    CHEESE    2    2    0.400
CHEESE   PASTA     3    2    0.333
BEEF     CHEESE    1    1    0.250
BEEF     PASTA     1    1    0.250
FISH     CHEESE    1    1    0.250
FISH     PASTA     1    1    0.250
CHICKEN  CHEESE    1    1    0.250
PASTA    BEEF      2    1    0.200
PASTA    FISH      2    1    0.200
CHEESE   BEEF      3    1    0.167
CHEESE   FISH      3    1    0.167
CHEESE   CHICKEN   3    1    0.167