Google bigquery BigQuery：使用组选择整个重复字段

我使用的是LegacySQL，但并不严格限于此。（尽管它确实有一些方法我觉得很有用，比如“HASH”）

无论如何，简单的任务是，我希望按一个顶级列进行分组，同时仍然保留嵌套+重复数据集的第一个实例

因此，以下“工作”，并产生嵌套输出：

SELECT 
  cd,
  subarray.* 
FROM [magicalfairy.land]

现在，我试图抓住整个第一个子阵列（老实说，我当然不希望它起作用） 以下是不起作用的地方：

SELECT 
  cd,
  FIRST(subarray.*) 
FROM [magicalfairy.land]
GROUP BY cd

---

如有任何替代办法，将不胜感激

---

编辑，例如数据行为

如果输入数据大致为：

[
    {
        "cd": "something",
        "subarray": [
            {
                "hello": 1,
                "world": 1
            },
            {
                "hello": 2,
                "world": 2
            }
        ]
    },
    {
        "cd": "something",
        "subarray": [
            {
                "hello": 1,
                "world": 1
            },
            {
                "hello": 2,
                "world": 2
            }
        ]
    }
]

预计将退出：

[
    {
        "cd": "something",
        "subarray": [
            {
                "hello": 1,
                "world": 1
            },
            {
                "hello": 2,
                "world": 2
            }
        ]
    }
]

---

使用标准SQL可以更好地保存结构，例如：

WITH T AS (
  SELECT
    cd,
    ARRAY<STRUCT<x INT64, y BOOL>>[
      STRUCT(off, MOD(off, 2) = 0),
      STRUCT(off - 1, false)] AS subarray
  FROM UNNEST([1, 2, 1, 2]) AS cd WITH OFFSET off)
SELECT
  cd,
  ANY_VALUE(subarray) AS subarray
FROM T
GROUP BY cd;

---

使用标准SQL可以更好地保存结构，例如：

WITH T AS (
  SELECT
    cd,
    ARRAY<STRUCT<x INT64, y BOOL>>[
      STRUCT(off, MOD(off, 2) = 0),
      STRUCT(off - 1, false)] AS subarray
  FROM UNNEST([1, 2, 1, 2]) AS cd WITH OFFSET off)
SELECT
  cd,
  ANY_VALUE(subarray) AS subarray
FROM T
GROUP BY cd;

试试下面（BigQuery标准SQL）

这将为您提供预期的结果-相当于“任意数组”
通过在OVER（）子句中添加

orderbysort\u col

，可以将此解决方案扩展到“FIRST ARRAY”-假设sort\u col定义了逻辑顺序请尝试以下操作（BigQuery标准SQL）

这将为您提供预期的结果-相当于“任意数组”

---

---

通过在OVER（）子句中添加

orderbysort\u col

，可以将此解决方案扩展到“FIRST ARRAY”-假设sort\u col定义了逻辑顺序

作为第二次（在您的问题中）查询的结果，您希望得到什么？第一个“错”在哪里？请详细说明，因为不清楚您希望使用示例更新什么。这取决于您对“第一个数组”的定义-如果您是指“任何”-请参阅下面由@Elliott Brossard提供的解决方案-在他的示例中使用您的表而不是T；如果你真的需要“首先，你需要定义它的含义。您可能会有一些额外的列，如timestamp，用于定义顺序！我的意思是any，但我认为任何_值都进入一个数组并从中返回一个值，或者它处于正确的级别/上下文以知道它有一个数组列表并返回其中一个完整数组？作为第二次（在您的问题中）查询的结果，您期望得到什么？第一个“错”在哪里？请详细说明，因为不清楚您希望使用示例更新什么。这取决于您对“第一个数组”的定义-如果您是指“任何”-请参阅下面由@Elliott Brossard提供的解决方案-在他的示例中使用您的表而不是T；如果你真的需要“首先，你需要定义它的含义。您可能会有一些额外的列，如timestamp，用于定义顺序！我的意思是any，但我认为任何_值进入一个数组并从中返回一个值，或者是在正确的级别/上下文中知道它有一个数组列表并返回其中一个完整的数组？我只想要第一个数组中与组匹配的值集。（其他的可以扔掉）这就是

任何_值

将要做的事情：。请注意，遗留SQL中的

FIRST

聚合函数具有误导性，因为对于一个组来说，没有“FIRST”值的概念。对于一组数组，我需要第一个数组的全部。*请参阅我对主要问题的评论，任何值都可以，但我想我要验证的是，任何_值都在这个select上下文中接收一个数组（不是所有数组中的一组扁平数组元素）。对不起，我继续并添加了对实际表的查询。我只需要与组匹配的第一个数组中的一组值。（其他的可以扔掉）这就是

任何_值

将要做的事情：。请注意，遗留SQL中的

FIRST

聚合函数具有误导性，因为对于一个组来说，没有“FIRST”值的概念。对于一组数组，我需要第一个数组的全部。*请参阅我对主要问题的评论，任何值都可以，但我想我要验证的是，任何_值都在这个select上下文中接收一个数组（不是所有数组中的一组扁平数组元素）。对不起，我继续了，并添加了对实际表的查询

SELECT cd, subarray 
FROM (
  SELECT cd, subarray, 
    ROW_NUMBER() OVER(PARTITION BY cd) AS num
  FROM `magicalfairy.land`
) WHERE num = 1