Question

我有以下数据：

movie (string)         genres (string[])
"titanic"              ["romance", "historical", "drama"]
"spider-man"           ["sci-fi", "action"]
"casablanca"           ["romance", "classic"]

是否存在“标准”方式（至少从概念上来说）在数组字段上进行汇总？例如，执行以下操作：

SELECT genres, count(*) GROUP BY genres ORDER BY count(*) DESC, genres

如果在我看来，结果应该是这样的：

genres         count
"romance"      2
"action"       1
"classic"      1
"drama"        1
"historical"   1
"sci-fi"       1

这是大多数数据库引擎如何在数组字段上进行聚合吗？如果可以（或不能），请提供一些示例，说明如何在该引擎中进行聚合？

通常，当我完成此操作时，我会抱怨并且必须手动进行此转换，例如在熊猫中：

df=pd.DataFrame({'movie':['titanic', 'spider-man', 'casablanca'], 'genres': [['romance', 'historical', 'drama'], ['sci-fi', 'action'],['romance','classic']]})
df.groupby('genres').first() # will error, or converting to tuple will not unnest the array

Answer 1

这是大多数数据库引擎如何在数组字段上进行聚合吗？

“大多数数据库引擎”不支持以数组开头。就我所知，只有Postgres，H2和HSQLDB完全支持数组。

在SQL标准中，您需要unnest()数组才能实现此目的（以下是Postgres语法，但我认为它与SQL标准非常接近）：

SELECT ut.genre, count(*) 
FROM the_table
  cross join lateral unnest(genres) as ut(genre) 
GROUP BY ut.genre 
ORDER BY count(*) DESC, ut.genre

我知道支持数组的三个RDBMS将按“完整数组”而不是单个元素分组。至少在Postgres中，元素的顺序很重要，['romance', 'classic']是与['classic', 'romance']不同的数组。

因此GROUP BY genres将返回三个不同的行。

我认为这也是SQL标准定义的内容，但是我不确定。

在数组字段上聚合

1 个答案: