Посмотрим на такой запрос: http://data.stackexchange.com/stackoverflow/revision/794665/982860/angular-react-vue
select
cast(floor(cast(p.creationDate as float) / 30) * 30 as datetime),
--sum(iif(t.TagName = N'reactjs', 1, 0)) as [react],
--sum(iif(t.TagName = N'angular', 1, 0)) as [a2+],
--sum(iif(t.TagName in (N'vue.js', N'vuejs2'), 1, 0)) as [vue],
--sum(iif(t.TagName = N'angularjs', 1, 0)) as [ang.js],
round(sum(iif(t.TagName = N'reactjs', 1, 0)) * 100.0 / count(*), 1) as [react %],
round(sum(iif(t.TagName = N'angular', 1, 0)) * 100.0 / count(*), 1) as [a2+ %],
round(sum(iif(t.TagName in (N'vue.js', N'vuejs2'), 1, 0)) * 100.0 / count(*), 1) as [vue %],
round(sum(iif(t.TagName = N'angularjs', 1, 0)) * 100.0 / count(*), 1) as [ang.js %],
--count(distinct p.Id) as [questions],
--count(*) as [total],
round(count(distinct p.Id) * 100.0 / count(*), 1) as [accuracy %]
from
Posts p
inner join PostTags pt on p.Id = pt.PostId
inner join Tags t on pt.TagID = t.Id
where
t.TagName in (N'reactjs', N'angular', N'angularjs', N'vue.js', N'vuejs2')
and p.PostTypeId = 1
group by
cast(floor(cast(p.creationDate as float) / 30) * 30 as datetime)
order by
1 desc
Тут вопросы (Posts p
, p.PostTypeId = 1
) джойнятся с метками, группируются по 30 дней и выбираются те, которые содержат интересующие метки.
t.TagName in (N'reactjs', N'angular', N'angularjs', N'vue.js', N'vuejs2')
Затем метки делятся на 4 поднабора и по каждому из них считается число строк, содержащих эту метку. Проблема в том, что вместо числа вопросов считается число строк. Дело в том, что на одном вопросе может быть несколько меток. Например, рассмотрим такую ситуацию: есть 5 вопросов с 9 метками
Q1 reactjs
Q2 vue.js reactjs
Q3 vue.js vuejs2
Q4 angularjs
Q5 angular reactjs angularjs
Т. е. есть:
- 3 вопроса с меткой
reactjs
- 2 вопроса с меткой
vue.js
илиvuejs2
- 2 вопроса с меткой
angularjs
- 1 вопрос с меткой
angular
желаемый результат один из следующих:
react vue angularjs angular
3/5=60.0% 2/5=40.0% 2/5=40.0% 1/5=20.0%
3/8=37.5% 2/8=25.0% 1/8=12.5% 1/8=12.5%
Первый вариант выражает число вопросов с подходящей меткой, а второй - долю использования группы меток по отношению к другим - именно группы, а не метки, поэтому идёт деление на 8, а не на 9.
однако, после join получится нечто другое:
Q1 reactjs
Q2 vue.js
Q2 reactjs
Q3 vue.js
Q3 vuejs2
Q4 angularjs
Q5 angular
Q5 reactjs
Q5 angularjs
соответственно формула даст
react vue angularjs angular
3/5=60.0% 3/5=60.0% 2/5=40.0% 1/5=20.0%
3/9=33.3% 3/9=33.3% 2/9=22.2% 1/9=11.1%
Проблема заключается в том, что две записи
Q3 vue.js
Q3 vuejs2
были посчитаны независимо, хотя они относятся к одному вопросу и к одной группе меток.
Как переделать sql запрос таким образом, чтобы подобные совпадения исключались из подсчёта? Причём, сделать таким образом, чтобы каждая группа могла содержать более одного тега?
sum()
попробуйтеcount(distinct iif(t.TagName in (N'vue.js', N'vuejs2'), p.id, NULL))
, мне кажется поможет, если я правильно понял вопрос и то что p.id это как раз id вопроса.