Google BigQuery：如何查询两个不同值之间的共享值计数？

Question

我正在处理一些新闻通讯数据，并且试图显示已注册多个新闻通讯的用户数量（列表之间的用户重叠）。我正在使用Google BigQuery和DataStudio中的新闻通讯数据进行可视化。

我的数据集为每个用户+新闻稿组合返回一行。因此，如果用户注册了三个不同的新闻通讯，它将显示：

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

我将输入的重叠组合限制为2个。

我的问题是：我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？我确定有某种方法可以使用各种CASE语句执行此操作，但这似乎很乏味且效率低下。想知道是否有我没有想到的更简单的方法。

有关我如何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个新闻通讯，所以我认为热图可能是尝试显示此数据的好方法，因为每个“交叉点”的两个列表中都有用户数量。

但是为了在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）。

因此，如果我要使用这种特定方法，我将如何查询我的数据集以这种格式返回它？

也对其他有关如何思考/可视化这种特殊情况的想法持开放态度，但想提出我的特定问题。

Answer 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)