Google BigQuery：如何查询两个不同值之间的共享值计数？

Posted 2023-03-24

【中文标题】Google BigQuery：如何查询两个不同值之间的共享值计数？

【英文标题】：Google BigQuery: How to query the count of shared values between two different values?

【发布时间】：2019-10-29 14:24:23

【问题描述】：

我正在处理一些简报数据，并试图显示注册多个简报的用户数量（列表之间的用户重叠）。我在 Google BigQuery 和 DataStudio 中使用时事通讯数据进行可视化。

我的数据集为每个用户 + 简报组合返回一行。因此，如果用户注册了三个不同的时事通讯，它将显示：

+---+------------+--------------+
|   | Name       |  Newsletter  |
+---+------------+--------------+
| 1 | User A     | Newsletter 1 |
| 2 | User A     | Newsletter 2 |
| 3 | User A     | Newsletter 3 |
+---+------------+--------------+

我将重叠组合输入限制为 2。

我的问题是：我将如何查询我的原始数据集以返回所有可能组合的重叠用户数？我确定有一些方法可以使用各种 CASE 语句来完成，但这似乎乏味且效率低下。想知道是否有一种我没有想到的更简单的方法。

关于我如何考虑可视化的更多背景信息，这会影响结果：

因为我将每个组合限制为 2 个时事通讯，所以我认为热图可能是尝试显示这些数据的好方法，其中每个“交叉点”中两个列表上的用户数量。

但为了在 DataStudio 中执行此操作，我需要数据以如下格式显示：

这就像 CROSS JOIN 的结果，所有不同的组合都在 A 列和 B 列中表示。因此存在重叠，但这是可视化它的必要设置（至少这是我认为的唯一方法这是可行的）。

所以如果我要使用这个特定的方法，我将如何查询我的数据集以这种格式返回它？

也对如何思考/想象这种特殊情况的其他想法持开放态度，但想提出我的具体问题。

【参考方案1】：

看起来您正在寻找以下内容

#standardSQL
SELECT A, B, IFNULL(`Count`, 0) AS `Count`
FROM (
  SELECT DISTINCT t1.Newsletter AS A, t2.Newsletter AS B 
  FROM `project.dataset.table` t1, `project.dataset.table` t2
) LEFT JOIN (
  SELECT t1.Newsletter AS A, t2.Newsletter AS B, COUNT(1) AS `Count` 
  FROM `project.dataset.table` t1, `project.dataset.table` t2
  WHERE t1.Name = t2.Name AND t1.Newsletter != t2.Newsletter
  GROUP BY A, B
) USING (A, B)