PostgreSQL understøtter afstandsoperatør <->
og som jeg forstår det, kan dette bruges til at analysere tekst (med pg_trgrm-modul) og geometri
datatype.
Jeg ved ikke, hvordan du kan bruge det med mere end 1 dimension. Måske bliver du nødt til at definere din egen afstandsfunktion eller på en eller anden måde konvertere dine data til én kolonne med tekst eller geometritype. For eksempel hvis du har en tabel med 8 kolonner (8-dimensionel terning):
c1 c2 c3 c4 c5 c6 c7 c8
1 0 1 0 1 0 1 2
Du kan konvertere det til:
c1 c2 c3 c4 c5 c6 c7 c8
a b a b a b a c
Og så til tabel med én kolonne:
c1
abababac
Så kan du bruge (efter at have oprettet gist
indeks
):
SELECT c1, c1 <-> 'ababab'
FROM test_trgm
ORDER BY c1 <-> 'ababab';
Eksempel
Opret eksempeldata
-- Create some temporary data
-- ! Note that table are created in tmp schema (change sql to your scheme) and deleted if exists !
drop table if exists tmp.test_data;
-- Random integer matrix 100*8
create table tmp.test_data as (
select
trunc(random()*100)::int as input_variable_1,
trunc(random()*100)::int as input_variable_2,
trunc(random()*100)::int as input_variable_3,
trunc(random()*100)::int as input_variable_4,
trunc(random()*100)::int as input_variable_5,
trunc(random()*100)::int as input_variable_6,
trunc(random()*100)::int as input_variable_7,
trunc(random()*100)::int as input_variable_8
from
generate_series(1,100,1)
);
Transform inputdata til tekst
drop table if exists tmp.test_data_trans;
create table tmp.test_data_trans as (
select
input_variable_1 || ';' ||
input_variable_2 || ';' ||
input_variable_3 || ';' ||
input_variable_4 || ';' ||
input_variable_5 || ';' ||
input_variable_6 || ';' ||
input_variable_7 || ';' ||
input_variable_8 as trans_variable
from
tmp.test_data
);
Dette vil give dig en variabel trans_variable
hvor alle de 8 dimensioner er gemt:
trans_variable
40;88;68;29;19;54;40;90
80;49;56;57;42;36;50;68
29;13;63;33;0;18;52;77
44;68;18;81;28;24;20;89
80;62;20;49;4;87;54;18
35;37;32;25;8;13;42;54
8;58;3;42;37;1;41;49
70;1;28;18;47;78;8;17
I stedet for ||
operatør kan du også bruge følgende syntaks (kortere, men mere kryptisk):
select
array_to_string(string_to_array(t.*::text,''),'') as trans_variable
from
tmp.test_data t
Tilføj indeks
create index test_data_gist_index on tmp.test_data_trans using gist(trans_variable);
Testafstand Bemærk:Jeg har valgt en række fra tabel - 52;42;18;50;68;29;8;55
- og brugt lidt ændret værdi (42;42;18;52;98;29;8;55
) for at teste afstanden. Selvfølgelig vil du have helt andre værdier i dine testdata, fordi det er RANDOM matrix.
select
*,
trans_variable <-> '42;42;18;52;98;29;8;55' as distance,
similarity(trans_variable, '42;42;18;52;98;29;8;55') as similarity,
from
tmp.test_data_trans
order by
trans_variable <-> '52;42;18;50;68;29;8;55';
Du kan bruge afstandsoperatør <-> eller lighedsfunktion. Afstand =1 - lighed