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

本系列文章的Gremlin示例均在HugeGraph圖資料庫上執行，環境搭建可參考準備Gremlin執行環境，本文示例均以其中的“TinkerPop關係圖”為初始資料，如下圖所示：

資料分組與去重說明

Gremlin支援對資料進行分組和去重。

資料分組是指：從某個維度上對擁有相同點的資料進行分組，比如根據年齡分組、根據出生省份分組等。

資料去重是指：去除結果集中相同的元素，或者去除在某個維度上具有相同點的資料，比如根據年齡選出一些代表，每個年齡最多隻能有一個人。

下面講解實現上述功能的具體Step：

• group(): 對結果集進行分組，可通過by(property)來指定根據什麼維度進行分組，可稱維度為分組鍵；如果不指定維度則以元素id作為分組鍵，相當於重複的元素被分為一組。每一組由分組鍵+組內元素列表構成。如果有需要也可對每一組的元素列表進行reduce操作，依然使用by()語句，如by(count())對組內元素計數。
• groupCount(): 對結果集進行分組，並統計每一組的元素個數。每一組由分組鍵+組內元素數量構成。
• dedup(): 去除結果集中相同的元素，可通過by(property)來指定根據什麼維度進行去重。
• by(): 語義上一般指“根據什麼維度”，與上述語句配合使用，如group().by()
  、dedup().by()等。也可與其它語句配合，如前面講到的排序order().by()及路徑path().by()等。

例項講解

下面通過例項來深入理解每一個操作。

1. Step group()：對結果集進行分組

   示例1：

   // 不指定任何維度進行分組
   g.V().hasLabel('person').group()
   

   

   示例2：

   // 不指定任何維度進行分組
   // 但資料集中有重複的元素
   // 重複的元素將會被分為一組
   g.V().both().hasLabel('person').group()
   

   

   示例3：

   // 根據年齡進行分組
   g.V().hasLabel('person').group().by
    
   ('age')
   

   

   示例4：

   // 根據年齡進行分組
   // 並統計各個年齡的人數
   g.V().hasLabel('person')
    .group().by('age').by(count())
   

   

   示例5：

   // 根據頂點類別進行分組
   // 並統計各個類別的數量
   g.V().group().by(label).by(count())
   

   

2. Step groupCount()：對結果集進行分組計數

   示例1：

   // 不指定任何維度進行分組計數
   g.V().hasLabel('person').groupCount()
   

   

   示例2：

   // 不指定任何維度進行分組計數
   // 但資料集中有重複的元素
   // 重複的元素將會被分為一組
   g.V().both().hasLabel('person').groupCount()
   

   

   示例3：

   // 根據年齡進行分組計數
   g.V().hasLabel('person')
    .groupCount().by('age')
   

   

3. Step dedup()：去除結果集中重複的元素

   示例1：

   // 對一組含有重複頂點的資料進行去重
   g.V().both().hasLabel('person').dedup()
   

   

   示例2：

   // 檢視所有人當中有哪幾種年齡
   // 人之間的年齡是可能有重複的，
   // 通過dedup去除掉重複的年齡
   g.V().hasLabel('person')
    .values('age').dedup()
   

   

   示例3：

   // 從各個年齡的人中選出一個代表
   g.V().hasLabel('person').dedup().by('age')
   

   

綜合運用

1. 獲得各個地方人們的平均年齡

   // 根據地域分組，並得到各個組的平均年齡
   g.V().hasLabel('person').group()
    .by('addr').by(values('age').mean())
   

   

2. 統計頂點的邊數量的分佈情況

   // 擁有相同數量邊的頂點作為一組
   // 並獲取每一組的頂點數量
   // 結果相當於：擁有m條邊的頂點有n個
   g.V().groupCount().by(bothE().count())