如何从SQL表中获取各不同值数量均等的均匀样本？

针对你这种某类取值占比过高的表，要实现每个不同value各取2条数据的均匀样本，用窗口函数就能轻松解决，直接上SQL：

SELECT id, value
FROM (
    SELECT 
        id, 
        value,
        -- 按value分组，每组内给行编号
        ROW_NUMBER() OVER (PARTITION BY value ORDER BY id) AS row_num
    FROM your_table -- 替换成你的实际表名
) AS ranked_data
WHERE row_num <= 2;

原理说明： #

• PARTITION BY value会把表按value拆分成独立分组，比如value=3、4、5各成一组；
• ROW_NUMBER()给每个分组里的行按指定规则（这里是ORDER BY id）编上连续序号；
• 最后筛选row_num <= 2，就能保证每个value分组只保留前2条记录，彻底避开单一取值主导样本的问题。

如果不想按id顺序取，想要随机抽取每组的2条，把排序规则换成随机函数即可：

• MySQL 用 ORDER BY RAND()
• PostgreSQL 用 ORDER BY RANDOM()

示例SQL（以MySQL为例）：

SELECT id, value
FROM (
    SELECT 
        id, 
        value,
        ROW_NUMBER() OVER (PARTITION BY value ORDER BY RAND()) AS row_num
    FROM your_table
) AS ranked_data
WHERE row_num <= 2;

内容的提问来源于stack exchange，提问作者Jay