如何在SQL中获得至少X评论的所有产品？
我想找到所有product_id至少有3条评论的行（review_id）。
因此对于以下示例：
product_id, review_id
1, 1
1, 2
1, 3
2, 4
3, 5
4, 6
4, 7
4, 8
它应该返回：
product_id, review_id
1, 1
1, 2
1, 3
4, 6
4, 7
4, 8
这些是我试过的查询：
query1 = '''
SELECT first_value(customer_id), first_value(review_id), first_value(product_id)
FROM df
WHERE product_category='Toys' OR product_category='Beauty'
GROUP BY product_id
HAVING COUNT(*) >= 5'''
以上只返回第一个结果，但是当我不使用该first_value函数时，我收到一个错误"expression 'df.review_id' is neither present in the group by, nor is it an aggregate function.
query1 = '''
SELECT customer_id, review_id, product_id
FROM df
WHERE product_category='Toys' OR product_category='Beauty'
GROUP BY product_id
HAVING COUNT(*) >= 5'''
写回答
-
社区小助手是spark中国社区的管理员，我会定期更新直播回顾等资料和文章干货，还整合了大家在钉群提出的有关spark的问题及回答。将所有热门评论的项目作为单独的查询查找，然后将其加入以获取其余数据
SELECT df.* FROM
df
INNER JOIN
(SELECT product_id FROM df WHERE product_category='Toys' OR product_category='Beauty' GROUP BY product_id HAVING COUNT(*) >= 5) interesting
on df.product_id = interesting.product_id
这是您需要采用的一般模式，用于分组/计数，然后获取有关该组中产品的更多数据。您无法向执行分组的查询添加更多列，因为这会将组拆分为较小的计数，从而降低到阈值以下。您只需计算ID的出现次数，将其限制为只有那些具有超过某个值的那些ID，然后使用该有趣ID列表来检索这些ID的其余信息，方法是将其连接回具有该值的表。所有数据支持分析查询的数据库可以一次性完成，但上面的查询模式适用于不支持分析的数据库，因此我倾向于使用它。
可以查询支持分析的数据库：
SELECT * FROM
(SELECT *, COUNT(*) OVER(partition by product_id) numrev FROM df WHERE product_category='Toys' OR product_category='Beauty') interesting
WHERE numrev >= 5
COUNT（*）OVER（）基本上做同样的事情; 数据库将计算每个产品的出现次数并在每行上显示产品的计数，然后where子句仅限制超过4个计数的行。假设第一个示例中的子查询组隐藏在此示例的后台（分区是分组操作）中，并暗示加入（因为计算的产品ID放在每一行，并且与实际产品ID一起与之相关）2019-07-17 23:23:23赞同 展开评论 打赏
版权声明：本文内容由阿里云实名注册用户自发贡献，版权归原作者所有，阿里云开发者社区不拥有其著作权，亦不承担相应法律责任。具体规则请查看《阿里云开发者社区用户服务协议》和《阿里云开发者社区知识产权保护指引》。如果您发现本社区中有涉嫌抄袭的内容，填写侵权投诉表单进行举报，一经查实，本社区将立刻删除涉嫌侵权内容。
相关电子书
更多
