Google Bigquery 查询记录数据 - 专利

Posted 2023-03-24

【中文标题】Google Bigquery 查询记录数据 - 专利

【英文标题】：Google Bigquery query Record data - Patents

【发布时间】：2021-05-31 14:41:55

【问题描述】：

我正在使用Google Patents Public Dataset提取有关使用CPC代码“A01N”保存人体或动物或其植物或其部分的农药的专利信息

但是当我运行以下查询时，我并没有像运行非嵌套查询那样获得所有结果。见下文

SELECT patents.country_code, count(DISTINCT publication_number) as quantity
FROM
  `patents-public-data.patents.publications` AS patents,
  UNNEST(title_localized) AS title,
  UNNEST(abstract_localized) AS abstract,
  UNNEST(cpc) AS cpc_code,
  UNNEST(inventor_harmonized) AS inventor,
  UNNEST(assignee_harmonized) AS assignee
WHERE 
  cpc_code.code LIKE '%A01N%'
GROUP BY patents.country_code
ORDER BY quantity DESC

Row	country_code	quantity
1	US	67280
2	CN	59067
3	WO	39560
4	EP	37886
5	CA	23115

SELECT patents.country_code, count(DISTINCT publication_number) as quantity
FROM
  `patents-public-data.patents.publications` AS patents,
  UNNEST(cpc) AS cpc_code
WHERE 
  cpc_code.code LIKE '%A01N%'
GROUP BY country_code
ORDER BY quantity DESC

Row	country_code	quantity
1	US	77056
2	CN	70654
3	EP	60291
4	WO	39624
5	JP	36135

我不明白为什么两个结果之间存在差异，因为没有应用更多过滤器？ 当我 UNNEST 更多列时，如何维护所有行？

【参考方案1】：

您UNNESTing 的列中的某些行是空数组。当您执行隐式CROSS JOIN 时，您将加入NULL，它不会给您任何结果，因此其中一些行会消失并且您的计数会减少。如果您开始评论其中一些CROSS JOINs，您会看到您的计数开始上升。由于您实际上并未使用这些列，因此您应该将它们从查询中删除。如果您稍后需要它们，请先获取计数，然后在 LEFT JOIN 上获取类似 1=1 的信息。