google-bigquery - 在谷歌 Bigquery 中分组

Question

这是我的 BigQuery

SELECT word,word_count,corpus_date FROM 
[publicdata:samples.shakespeare] 
WHERE word="the" ORDER BY word_count asc

这给出了输出

    Row word    word_count corpus_date   
    1   the       57       1609  
    2   the       106      0     
    3   the       287      1609  
    4   the       353      1594  
    5   the       363      0     
    6   the       399      1592  
    7   the       421      1611  

我希望数据按 corpus_date 分组。我尝试使用 corpus_date 分组

    SELECT word,word_count,corpus_date FROM 
   [publicdata:samples.shakespeare] 
    WHERE word="the" group by corpus_date 
    ORDER BY word_count asc

但它不允许我按 corpus_date 分组。以任何方式获取按 corpus_date 分组的数据

Answer 1

您需要对查询中的所有非聚合值进行 GROUP BY。但是，由于您只是在查找单个单词，因此您不需要在结果集中显示或什至 GROUP BY 该单词(它是使用 word="the"子句隐式选择的)。

因此，如果您想要按日期分组的单词“the”的总字数总和，您可以运行如下命令:

SELECT
  SUM(word_count) as sum_for_the,
  corpus_date
FROM
  [publicdata:samples.shakespeare]
WHERE
  word="the"
GROUP BY
  corpus_date
ORDER BY
  sum_for_the ASC;

这本身并不是非常有用......所以如果你想做一些更复杂的事情，比如了解每个日期的计数来自哪个语料库，对单词的计数求和并使用这样的查询列出语料库:

SELECT
  SUM(word_count) AS sum_for_the, corpus, corpus_date
FROM
  [publicdata:samples.shakespeare]
WHERE
  word="the"
GROUP BY
  corpus_date, corpus
ORDER BY
  sum_for_the ASC;

为了列出一个词每年出现的所有卷，我喜欢使用 GROUP_CONCAT 函数。 “the”这个词出现在所有事物中，所以它可能不像“swagger”这样不太常见的词那么有趣。 (这是 many words invented by Shakespeare 之一)。

SELECT
  SUM(word_count) AS word_sum, GROUP_CONCAT(corpus) as corpora, corpus_date
FROM
  [publicdata:samples.shakespeare]
WHERE
  word="swagger"
GROUP BY
  corpus_date ORDER BY corpus_date ASC;

更有趣的是查看单词前缀，以及每个卷和日期的单词的 GROUP BY 变体:

SELECT
  word, SUM(word_count) AS word_sum, GROUP_CONCAT(corpus) as corpora, corpus_date
FROM
  [publicdata:samples.shakespeare]
WHERE
  word CONTAINS "swagger"
GROUP BY
  word, corpus_date
ORDER BY
  corpus_date ASC
IGNORE CASE;

查看 BigQuery Query Language引用和 BigQuery Cookbook更多例子。