BigQuery SPLIT（）和按结果分组

Question

使用SPLIT() & NTH()，我分割一个字符串值，并将第二个子字符串作为结果。然后我想对这个结果进行分组。然而，当我在结合使用SPLIT（）与GROUP BY，它一直给错误：

Error: (L1:55): Cannot group by an aggregate 

结果是一个字符串，那么为什么不可以组就可以了？

例如，这个工作并返回正确的字符串：

SELECT NTH(2,SPLIT('FIRST-SECOND','-')) as second_part FROM [FOO.bar] limit 10 

但随后的结果分组不起作用：

SELECT NTH(2,SPLIT('FIRST-SECOND','-')) as second_part FROM [FOO.bar] GROUP BY second_part limit 10 

Answer 1

我最好的猜测是你可以得到一个equiv通过使用子查询alent结果。喜欢的东西：

SELECT * FROM (Select NTH(2,SPLIT('FIRST-SECOND','-')) as second_part FROM [FOO.bar] limit 10) GROUP BY second_part 

系统返回第N在聚合内部我想

Answer 2

如果有永远只是2由一个分隔符分隔值，那么更简单的方法是使用REGEXP_EXTRACT：

SELECT REGEXP_EXTRACT('FIRST-SECOND','-(.*)') as second_part 
from [FOO.bar] 
GROUP BY second_part 
limit 10 

Answer 3

我喜欢David的回答 - 有时使用RegEx可以使分裂变得更加复杂。从split命令中提取第一个选项，然后GROUPing BY是一个非常常见的操作。我通常在BigQuery中执行此操作的方式是使用REGEXP_EXTRACT，如下所示：

在此简单示例中，“splitme”列是管道分隔符（|）。

SELECT REGEXP_EXTRACT(splitme, r'(?U)^(.*)\|') AS title, COUNT(*) as c 
FROM [my_table] 
GROUP BY title; 

这意味着，将字符串从“splitme”开始提取到管道（|）的第一个匹配项。 “（？U）”是re2 RegEx引擎语法中的“un-greedy”匹配标志。没有这个标志，如果有多个由管道分隔的值，这个RegEx将匹配所有东西直到最后一个管道。

Answer 4

在我的练习中，我通常使用类似下面的方式，N是“list”中的值的数量来跳过。

SELECT REGEXP_EXTRACT(string + '|', r'(?U)^(?:.*\|){N}(.*)\|') AS substring 

所以，如果我会在列表感兴趣的第三个价值，我会用：

SELECT 
    REGEXP_EXTRACT(string + '|', r'(?U)^(?:.*\|){2}(.*)\|') AS substring, 
    COUNT(1) AS weight 
FROM yourtable 
GROUP BY 1 

更多细节上的RE2语法here