深入学习Gremlin(8):数据分组与去重

标签: Gremlin  TinkerPop  Graph Database  HugeGraph  图数据库

第8期 Gremlin Steps:
group()groupCount()dedup()by()

本系列文章的Gremlin示例均在HugeGraph图数据库上执行,环境搭建可参考准备Gremlin执行环境,本文示例均以其中的“TinkerPop关系图”为初始数据,如下图所示:

init-data

上一期: 深入学习Gremlin(7):查询结果排序

数据分组与去重说明

Gremlin支持对数据进行分组和去重。

数据分组是指:从某个维度上对拥有相同点的数据进行分组,比如根据年龄分组、根据出生省份分组等。

数据去重是指:去除结果集中相同的元素,或者去除在某个维度上具有相同点的数据,比如根据年龄选出一些代表,每个年龄最多只能有一个人。

下面讲解实现上述功能的具体Step:

  • group(): 对结果集进行分组,可通过by(property)来指定根据什么维度进行分组,可称维度为分组键;如果不指定维度则以元素id作为分组键,相当于重复的元素被分为一组。每一组由分组键+组内元素列表构成。如果有需要也可对每一组的元素列表进行reduce操作,依然使用by()语句,如by(count())对组内元素计数。
  • groupCount(): 对结果集进行分组,并统计每一组的元素个数。每一组由分组键+组内元素数量构成。
  • dedup(): 去除结果集中相同的元素,可通过by(property)来指定根据什么维度进行去重。
  • by(): 语义上一般指“根据什么维度”,与上述语句配合使用,如group().by()dedup().by()等。也可与其它语句配合,如前面讲到的排序order().by()及路径path().by()等。

实例讲解

下面通过实例来深入理解每一个操作。

  1. Step group():对结果集进行分组

    示例1:

    // 不指定任何维度进行分组
    g.V().hasLabel('person').group()
    

    g.V().hasLabel().group()

    示例2:

    // 不指定任何维度进行分组
    // 但数据集中有重复的元素
    // 重复的元素将会被分为一组
    g.V().both().hasLabel('person').group()
    

    g.V().both().hasLabel().group()

    示例3:

    // 根据年龄进行分组
    g.V().hasLabel('person').group().by('age')
    

    g.V().hasLabel().group().by()

    示例4:

    // 根据年龄进行分组
    // 并统计各个年龄的人数
    g.V().hasLabel('person')
     .group().by('age').by(count())
    

    g.V().hasLabel().group().by().by(count)

    示例5:

    // 根据顶点类别进行分组
    // 并统计各个类别的数量
    g.V().group().by(label).by(count())
    

    g.V().group().by(label).by(count)

  2. Step groupCount():对结果集进行分组计数

    示例1:

    // 不指定任何维度进行分组计数
    g.V().hasLabel('person').groupCount()
    

    g.V().hasLabel().groupCount()

    示例2:

    // 不指定任何维度进行分组计数
    // 但数据集中有重复的元素
    // 重复的元素将会被分为一组
    g.V().both().hasLabel('person').groupCount()
    

    g.V().both().hasLabel().groupCount()

    示例3:

    // 根据年龄进行分组计数
    g.V().hasLabel('person')
     .groupCount().by('age')
    

    g.V().hasLabel().groupCount().by()

  3. Step dedup():去除结果集中重复的元素

    示例1:

    // 对一组含有重复顶点的数据进行去重
    g.V().both().hasLabel('person').dedup()
    

    g.V().both().hasLabel().dedup()

    示例2:

    // 查看所有人当中有哪几种年龄
    // 人之间的年龄是可能有重复的,
    // 通过dedup去除掉重复的年龄
    g.V().hasLabel('person')
     .values('age').dedup()
    

    g.V().hasLabel().values().dedup()

    示例3:

    // 从各个年龄的人中选出一个代表
    g.V().hasLabel('person').dedup().by('age')
    

    g.V().hasLabel().dedup().by()

综合运用

  1. 获得各个地方人们的平均年龄

    // 根据地域分组,并得到各个组的平均年龄
    g.V().hasLabel('person').group()
     .by('addr').by(values('age').mean())
    

    mean-age-by-addr

  2. 统计顶点的边数量的分布情况

    // 拥有相同数量边的顶点作为一组
    // 并获取每一组的顶点数量
    // 结果相当于:拥有m条边的顶点有n个
    g.V().groupCount().by(bothE().count())
    

    vertex-group-by-edges-count