数据集拆分70-30 SQL

Question

我有一个数据集，我想将其拆分为两组，拆分为70/30。我也希望拆分是随机的，但1个ID下的所有项目都必须在拆分的同一组中，无论是70还是30。我想知道使用SQL(红移(做这件事的最佳方法是什么。我试过使用NTILE，但它不太开放。我尝试的是

with a as (select *,ntile(10) over (order by ID) tile
from table)
select *, case when tile <= 7 then 1 else 0 as bucket
from a 

谢谢。

示例数据：

YYY

用户	ID	第3列
123214123	abc
544354342	abc	N
43241231	定义
231213123	def	Y
123123123	abc

考虑到您的限制，您不能使用ntile()，因为它专注于使bucket大小合适。相反，您可以使用rank():

select t.*,
(case when seqnum < cnt * 0.7 then 1 else 0 end) as bucket
from (select t.*,
rank() over (order by md5(id), id) as seqnum,
count(*) over () as cnt
from t
) t;

注意，这任意地使用md5()来向每个id分配随机值。这是可重复的。获得不同桶的一种简单方法是"；盐"；带有另一个字符串的值。