BigQuery拆分列并获取每个子字符串的计数[重复]

Posted 2023-03-24

【中文标题】BigQuery拆分列并获取每个子字符串的计数[重复]

【英文标题】：BigQuery split column and get count of count each substring [duplicate]

【发布时间】：2018-03-06 23:58:57

【问题描述】：

在 BigQuery 中，我想创建一个查询来计算 cmets 字段中单词的出现次数，并按每次出现的次数进行分组。这将使我了解哪些词比其他词使用得更多，并了解用户的行为和情绪。 bigquery 很新，所以任何想法都会有所帮助。

【问题讨论】：

这里的主要想法 - 是先自己尝试一些东西，如果有任何特殊/具体问题 - 向我们提出，我们将很乐意提供帮助。那么，到目前为止，您尝试过什么？有什么疑问吗？您是否尝试过搜索类似或确切的问题？

啊，是的，我还没有写权限...正在查看我可以访问的 mysql，但它似乎依赖于子字符串，所以我想我必须计算一下分隔符首先，然后得到 N 次出现...认为我可以使用 explode(split(field,' ') 作为单词来分隔每个单词。希望我能尽快获得写入权限。谢谢

我输了 - 你是在使用 mysql 还是 bigquery？！你不需要有写权限来播放和运行简单的查询:o) 所以你可以开始

大查询。是的，我很糟糕，我将使用免费帐户进行设置，现在不知何故忘记了使用另一个帐户的选项。

我想我没有看到...它帮助很大。考虑到我意识到我们没有使用我的解决方案所依赖的 Leqacy sql。

【参考方案1】：

我最终做的是使用拆分功能...

SELECT 
COUNT(JJ) AS STUFF, JJ
FROM
(SELECT SPLIT(text, ' ') AS JJ FROM [bigquery-public-
data:hacker_news.comments] LIMIT 1000 ) 
GROUP BY JJ
ORDER BY STUFF DESC
LIMIT 5

显然可以通过在拆分前使用replace删除其他字符来进行更多操作。