Teradata - 列中的词频

Posted 2023-04-19

【中文标题】Teradata - 列中的词频

【英文标题】：Teradata - word frequency in a column

【发布时间】：2014-10-14 15:32:21

【问题描述】：

假设我在 teradata 表中有以下列：

Red ball
Purple ball
Orange ball

我希望我的输出是

Word    Count
Red     1
Ball    3
Purple  1
Orange  1

谢谢。

【问题讨论】：

您的 TD 版本是什么？

SQL 助手版本 14.10.0.05

这是客户端版本，`select * from dbc.dbcinfoV;*返回什么？

【参考方案1】：

在 TD14 中有一个 STRTOK_SPLIT_TO_TABLE 函数：

SELECT token, COUNT(*)
FROM TABLE (STRTOK_SPLIT_TO_TABLE(1 -- this is just a dummy, usually the PK column when you need to join
                                 ,table.stringcolumn
                                 ,' ') -- simply add other separating characters
     RETURNS (outkey INTEGER,
              tokennum INTEGER,
              token VARCHAR(100) CHARACTER SET UNICODE
             )
           ) AS d
GROUP BY 1

【参考方案2】：

我会这样处理：

  WITH RECURSIVE CTE  (POS, NEW_STRING, REAL_STRING) AS
(
SELECT
0, CAST('' AS VARCHAR(100)),TRIM(word)
FROM wordcount
UNION ALL
SELECT
CASE WHEN POSITION(' ' IN REAL_STRING) > 0
THEN POSITION(' ' IN REAL_STRING)
ELSE CHARACTER_LENGTH(REAL_STRING)
END DPOS,
TRIM(BOTH  ' ' FROM SUBSTR(REAL_STRING, 0, DPOS+1)),
TRIM(SUBSTR(REAL_STRING, DPOS+1))
FROM CTE
WHERE DPOS > 0
)

SELECT TRIM(NEW_STRING) as word,
count (*)
FROM CTE
group by word
WHERE pos > 0;

哪个会返回：

    word    Count(*)
    orange  1
    purple  1
    red 1
    ball    3

14 中的正则表达式可能有更简单的方法，但我还没有搞砸。

编辑：从查询中删除了一些不需要的列。

【讨论】：

当我进行这样的计数时，我以某种方式得到了不同的答案： Select sum(case when color like '%purple%' then 1 else 0 end) from wordcount 不在此示例表中，但在我的整张桌子。知道为什么吗？

老实说，没有线索。试试我上面的dnoeth的答案。它肯定干净多了。

他们都给了我相同的结果。我接受了 dnoeth 的回答，因为它确实更整洁。非常感谢，非常感谢您的帮助。

【参考方案3】：

用这个改变你的桌子

name  |name2
_______________
red    |  ball
purple |  ball
orange |  ball
_______________

然后运行以下查询：

select name, count(name)as name1_count from table_test
group by name
union all
select name2,count(name2)as name2_count from table_test
group by name2;

【讨论】：

很遗憾没有，我说的是单列，该列最多可以有 10-15 个字。