Cypher查询如何先对分子去重再统计每年新增分子数量

问题根源 #

你原查询的统计逻辑是按年份分组，统计该年份关联的所有分子总数，天然会重复计入早年已出现过的分子，和DISTINCT、ORDER BY的执行顺序无关，核心是没有限定只统计每个分子首次出现的年份。

可用查询语句 #

MATCH (p:Publication)-->(m:Molecule)
// 提取每个分子首次出现在出版物中的年份
WITH m, min(datetime(p.releasedDate).year) AS first_release_year
// 按首次出现年份分组统计新增分子数
RETURN first_release_year AS release_year, count(m) AS new_molecule_count
ORDER BY release_year

逻辑说明 #

• 先用min()聚合函数，对每个分子m取所有关联出版物的最小发布年份，也就是该分子第一次被公开提及的年份，每个分子仅会对应一个唯一的首次出现年份，从根源避免重复统计
• 再按首次出现年份分组计数，得到的结果就是每年的新增分子数量
• 如果需要展示没有新增分子的年份，可以额外构造年份序列后关联当前统计结果即可

内容的提问来源于stack exchange，提问作者Veer171