如何在 BigQuery 中将整数数组转换为一种热编码？

【问题标题】：How can I convert an integer array into one hot encoding in BigQuery?如何在 BigQuery 中将整数数组转换为一种热编码？
【发布时间】：2021-02-20 04:52:43
【问题描述】：

我有一个这样的 BQ 表：

ID  index
A   [1, 3, 4]   
B   [2]
C   [0, 3]
D   [2, 3]

我希望得到一个具有固定长度的单个 one-hot 编码索引列的新表：

ID  index
A   [0, 1, 0, 1, 1]   
B   [0, 0, 1, 0, 0]
C   [1, 0, 0, 1, 0]
D   [0, 0, 1, 1, 0]

这里有一个类似的问题：Transform table to one-hot encoding for many rows，但是转换成多列而不是单列。

【问题讨论】：

标签： sql google-bigquery

【解决方案1】：

在下面使用

#standardSQL
with temp as (
  select i from (
    select max(i) as max_index
    from `project.dataset.table` t,
    t.index i
  ), unnest(generate_array(0, max_index)) i
)
select id,  
  ( select array_agg(if(i = i1, 1, 0) order by i)
    from temp 
    left join t.index as i1
    on i = i1
  ) index
from `project.dataset.table` t

如果将上述应用于您问题中的示例数据

with `project.dataset.table` as (
  select 'A' id, [1, 3, 4] index union all
  select 'B', [2] union all
  select 'C', [0, 3] union all
  select 'D', [2, 3] 
)

输出是

如您所见，它生成一列 - 整数数组
如果您希望列是字符串类型 - 使用下面而不是 array_agg

string_agg(if(i = i1, '1', '0') order by i)

在这种情况下，输出将（非常相似）

【讨论】：