Bigquery：选择具有不在group by子句中的任何值的列

Posted 2023-04-13

【中文标题】Bigquery：选择具有不在group by子句中的任何值的列

【英文标题】：Bigquery: Select a column with any value not in group by clause

【发布时间】：2015-04-05 20:16:36

【问题描述】：

这是一个经典问题，我知道这里有很多解决方法：Select a Column in SQL not in Group By 但它们不适用于我在 Bigquery 上的问题。

我有一张来自 Twitter 的推文的表格，我想要一个包含任何推文文本的 url 排名。

ID         tweet               url
1          my github tweet     http://www.github.com/xyz
2          RT github tweet     http://www.github.com/xyz
3          another tweet       http://www.twitter.com
4          more tweeting       http://www.github.com/abc

我尝试了下面的查询，但是 id 1 和 2 是分开计算的。

SELECT tweet, count(url) as popularity, url FROM table group by tweet, url order by popularity desc

我怎样才能正确计算/排列网址，并在结果中保留任何相关的推文文本？我不在乎它是来自 ID 1 还是 2。

【参考方案1】：

这是一种方法：

SELECT url, COUNT(*) AS popularity, GROUP_CONCAT(tweet) 
FROM Table GROUP BY url ORDER BY popularity

GROUP_CONCAT 聚合函数将使用逗号作为分隔符连接与同一 URL 关联的所有推文（您可以选择另一个分隔符作为 GROUP_CONCAT 的第二个参数）。

【讨论】：

完美运行。我添加了一个 left() 来截断输出，对此我很满意。

@crisscross 如果你只想要一条推文，你也可以选择 url，COUNT(*) AS 流行度，MAX(tweet) FROM Table GROUP BY url ORDER BY 流行度（如果有，GROUP_CONCAT 会很困难推文太多，无法分组）

【参考方案2】：

我不确定这是否适用于 google-bigquery，我没有使用过它的经验，但这是一个纯 sql 的解决方案，我认为它可能适合你。

在子查询中获取urls 的count，然后将join 与url 上的表一起获取：

select t.id,t.tweet,t.url,q.popularity
from table t
join 
(SELECT url, count(url) as popularity
FROM table group by url) q
on t.url=q.url
order by q.popularity desc

【讨论】：

非常感谢您的快速回复。它并没有完全像那样解决，但我很高兴看到有一个带有 join 语句的选项。