Google BigQuery如何按特定列值出现频率过滤数据行

你遇到的报错核心原因是BigQuery的SQL语法约束：SELECT子句中出现的所有字段，要么必须包含在GROUP BY分组字段列表中，要么必须经过聚合函数处理，直接把未分组的columnB放到查询列里就会触发该报错。

以下两种写法都可以实现「返回多列数据、仅按columnA的值出现频率过滤」的需求：

方法1：窗口函数实现（推荐，写法简洁） #

用窗口函数按目标过滤列columnA分区统计出现次数，不需要修改分组逻辑，支持任意多列返回：

SELECT
  columnA,
  columnB
  -- 可在此处追加任意需要查询的其他列，比如columnC、columnD
FROM (
  SELECT
    *,
    COUNT(*) OVER (PARTITION BY columnA) AS a_count
  FROM table1
)
WHERE a_count > 2
-- 注：如果需求是columnA值至少出现2次，把条件改成 a_count > 1 即可

这个写法会保留所有符合频率要求的原始行，不会对结果做额外聚合去重。

方法2：子查询关联实现（兼容性强） #

先单独分组筛选出符合频率要求的columnA值，再关联原表拉取需要的其他列，兼容所有支持标准SQL的引擎：

SELECT
  t1.columnA,
  t1.columnB
  -- 可在此处追加任意需要查询的其他列
FROM table1 t1
INNER JOIN (
  SELECT columnA
  FROM table1
  GROUP BY columnA
  HAVING COUNT(*) > 2
  -- 阈值调整逻辑和上面一致，至少出现2次就改成 COUNT(*) > 1
) t2
ON t1.columnA = t2.columnA

两种写法返回的结果完全一致，可以根据自己的使用习惯选择。另外你之前写的SQL里columnB末尾多了一个多余的逗号，也会触发额外的语法错误，编写时需要注意。

内容的提问来源于stack exchange，提问作者SantoshGupta7