我有以下json
[
{"firstname": "john", "lastname": "doe"},
{"firstname": "john", "lastname": "smith"},
{"firstname": "jane", "lastname": "smith"},
{"firstname": "jane", "lastname": "doe"},
{"firstname": "joe", "lastname": "smith"},
{"firstname": "joe", "lastname": "doe"},
{"firstname": "steve", "lastname": "smith"},
{"firstname": "jack", "lastname": "doe"}
]
我想计算重复的名字
重复计数3
不可重复的名字计数
非重复计数2
我试图计算存储桶的数量,但似乎计算所有存储桶是重复的还是非重复的
GET mynames/_search
{
"aggs" : {
"name_count" : {
"terms" : {
"field" : "firstname.keyword",
"min_doc_count": 2
}
},
"count":{
"cardinality": {
"field": "firstname.keyword"
}
}
}
好吧,我在这里利用了几种聚合。以下是我使用过的列表。列表的顺序是聚合的执行顺序。
对于重复
对于非重复
POST <your_index_name>/_search
{
"size":0,
"aggs":{
"duplicate_aggs":{
"terms":{
"field":"firstname.keyword",
"min_doc_count":2
}
},
"duplicate_bucketcount":{
"stats_bucket":{
"buckets_path":"duplicate_aggs._count"
}
},
"nonduplicate_aggs":{
"terms":{
"field":"firstname.keyword"
},
"aggs":{
"equal_one":{
"bucket_selector":{
"buckets_path":{
"count":"_count"
},
"script":"params.count == 1"
}
}
}
},
"nonduplicate_bucketcount":{
"sum_bucket":{
"buckets_path":"nonduplicate_aggs._count"
}
}
}
}
{
"took": 10,
"timed_out": false,
"_shards": {
"total": 5,
"successful": 5,
"skipped": 0,
"failed": 0
},
"hits": {
"total": 8,
"max_score": 0,
"hits": []
},
"aggregations": {
"duplicate_aggs": {
"doc_count_error_upper_bound": 0,
"sum_other_doc_count": 0,
"buckets": [
{
"key": "jane",
"doc_count": 2
},
{
"key": "joe",
"doc_count": 2
},
{
"key": "john",
"doc_count": 2
}
]
},
"nonduplicate_aggs": {
"doc_count_error_upper_bound": 0,
"sum_other_doc_count": 0,
"buckets": [
{
"key": "jack",
"doc_count": 1
},
{
"key": "steve",
"doc_count": 1
}
]
},
"duplicate_bucketcount": {
"count": 3,
"min": 2,
"max": 2,
"avg": 2,
"sum": 6
},
"nonduplicate_bucketcount": {
"value": 2
}
}
}
注意,在上面的响应中,我们有一个duplicate_bucketcount.count
键,其值3
是将显示存储桶计数的值,该值是重复的键的数量。
让我知道是否有帮助!
问题内容: 如果我有三列: 我想计算一下表格中有多少唯一的电子邮件,我该怎么做? 如下语句: 给我总数。 我试过了 但这似乎并没有给我期望的数字。 问题答案: 采用 提供唯一的电子邮件ID,然后简单地对其进行计数。
问题内容: 我需要在每笔 数据中都计算唯一值 我尝试 但是我想得到 问题答案: 您需要: 如果需要字符: 或正如乔恩所说: 您可以像这样保留列名: 区别在于返回一个Series并返回一个DataFrame。
问题内容: 我有以下形式的数据: 组内的非空值始终相同。我想对每个组(如果存在)的非空值进行一次计数,然后找到每个值的总数。 我目前正在以以下方式(笨拙和低效)进行此操作: 我敢肯定,有一种方法可以更干净地执行此操作,而无需使用循环,但是我似乎无法解决问题。任何帮助将非常感激。 问题答案: 我认为您可以使用: 的另一种解决方案,然后创建new by ,将其重塑为by和last :
问题内容: 更新 :已添加 我想对我的ElasticSearch集群执行唯一计数。该集群包含约5000万条记录。 我尝试了以下方法: 第一种方法 在本节中提到: 预计算哈希通常仅在非常大和/或高基数的字段上有用,因为它可以节省CPU和内存。 第二种方法 在本节中提到: 除非您将Elasticsearch配置为使用doc_values作为字段数据格式,否则使用聚合和构面对堆空间的要求 非常 高。 我
问题内容: 我将如何从记录中获取所有值,并使它们唯一。 记录 询问 任何帮助都会很棒。 问题答案: 您可以使用术语聚合。 搜索将返回如下内容: 聚合中的参数指定要包含在聚合结果中的最大术语数。如果需要所有结果,请将其设置为大于数据中唯一术语数的值。
如何从记录中获取所有的值并使它们唯一。 记录 查询 任何帮助都会很好。