地点数量函数概览

位置计数函数是查询 Places Insights 中提供的 Places 数据的另一种方式。这些函数是在 BigQuery 中运行的预定义 SQL 查询，可作为地点数据查询的补充。主要区别在于，函数不会强制执行最小计数阈值，而是强制执行最小搜索区域：

• 地点数据集查询只能返回大于 5 的计数，但对搜索区域的大小没有任何限制。

• 地点数量函数可以返回任何数量（包括 0），但会强制执行 40.0 米 x 40.0 米（1600 平方米）的最小搜索面积。²

如果您需要了解查询何时未返回任何结果，或者需要了解低于 5 的低地点数，则可能需要使用地点数函数。例如，能够返回低数量对于选址用例非常重要。

支持的地点数量函数和国家/地区

Places Insights 支持以下功能：

• PLACES_COUNT：返回包含地点数量的单行。
• PLACES_COUNT_PER_TYPE：返回一个 BigQuery 表，其中包含每种地点类型的地点数量。
• PLACES_COUNT_PER_GEO：返回一个 BigQuery 表，其中包含每个地理位置的地点数量。
• PLACES_COUNT_PER_H3：返回每个 H3 单元格的地点数量的 BigQuery 表。

除了地点数量之外，PLACES_COUNT_PER_TYPE、PLACES_COUNT_PER_GEO 和 PLACES_COUNT_PER_H3 函数还会针对响应的每个元素返回最多 250 个地点 ID。

与地点数据集类似，地点计数函数适用于每个受支持国家/地区的热门城市。例如，对于澳大利亚，您可以访问澳大利亚悉尼的地点数量函数。

如需查看受支持的城市和国家/地区的完整列表，请参阅 BigQuery 中的位置计数函数参考。

使用函数编写查询

如果您在设置“地点概览”时更改了关联数据集的名称，请使用您的自定义名称，而不是此处列出的默认表名称。您还可以选择性地添加项目名称。如果未包含任何项目，查询将默认针对有效项目。例如 [project name].[dataset name].places_sample.PLACES_COUNT。

地点数量函数示例

以下示例使用 PLACES_COUNT 函数返回纽约市帝国大厦 1,000 米范围内的营业餐厅数量：

SELECT `places_insights___us___sample.PLACES_COUNT`(
  JSON_OBJECT(
      'geography', ST_GEOGPOINT(-73.9857, 40.7484), -- Empire State Building
      'geography_radius', 1000, -- Radius in meters
      'business_status', ['OPERATIONAL'],
      'types', ["restaurant"]
      )
) as count;

响应包含一个计数：

在此示例中，SELECT 语句使用以下语法引用了美国的 PLACES_COUNT 函数：

places_insights___us___sample.PLACES_COUNT

如需查看受支持的城市和国家/地区的完整列表，请参阅 BigQuery 中的参考地点计数函数。

使用 JSON_OBJECT 将实参传递给函数。此示例使用 BigQuery ST_GEOGPOINT 函数从点返回 GEOGRAPHY 值，然后将该值传递给 geography 参数。它还会传递点周围的搜索半径和要搜索的地点类型 "restaurant"。

按类型、地理位置或 H3 划分的地点数量示例

除了地点数量之外，PLACES_COUNT_PER_TYPE、PLACES_COUNT_PER_GEO 和 PLACES_COUNT_PER_H3 函数还会返回响应中包含的最多 250 个地点的地点 ID。

例如，PLACES_COUNT_PER_TYPE 函数会返回一个表，其中包含每种地点类型的地点数量。响应中包含一个地点 ID 数组，其中列出了与每种类型匹配的地点。您可以使用返回的地点 ID 查找有关每个地点的信息。

以下函数调用会返回类型为 restaurant、cafe 和 bar 的地点的数量：

SELECT * FROM `places_insights___us___sample.PLACES_COUNT_PER_TYPE`(
  JSON_OBJECT(
      'geography', ST_GEOGPOINT(-73.9857, 40.7484), -- Empire State Building
      'geography_radius', 1000, -- Radius in meters
      'types', ["restaurant", "cafe", "bar"],
      'business_status', ['OPERATIONAL']
      )
);

此函数会返回一个包含三列的表：type、count 和 sample_place_ids。count 列显示每个 type 的地点数量，sample_place_ids 列显示每个 type 最多 250 个地点 ID。

对函数应用过滤条件

应用过滤条件来缩小搜索范围。地点数量函数支持多种过滤条件，可用于缩小搜索范围。在下一个示例中，您将应用过滤器，按最低用户评分、价格水平、营业状态以及餐厅是否允许携带狗来限制搜索：

SELECT `places_insights___us___sample.PLACES_COUNT`(
  JSON_OBJECT(
      'geography', ST_GEOGPOINT(-73.9857, 40.7484), -- Empire State Building
      'geography_radius', 1000, -- Radius in meters
      'business_status', ['OPERATIONAL'],
      'types', ["restaurant"],
      'min_rating', 1.3,
      'price_level', ['PRICE_LEVEL_INEXPENSIVE', 'PRICE_LEVEL_MODERATE'],
      'allows_dogs', TRUE
      )
) as count;

直观呈现结果

分析和商业智能工具对于帮助您从 BigQuery 数据中发现数据洞见至关重要。BigQuery 支持多种 Google 和第三方数据可视化工具，您可以使用这些工具来分析 Places Insights 数据上函数的结果。

如需查看可视化函数结果的示例，请参阅可视化结果。 如需详细了解如何直观呈现 Places Insights 结果，请参阅直观呈现查询结果。

限制和要求

地点数量函数存在以下限制和要求：

• 仅支持 COUNT 个数据洞见。
• 搜索区域的最小面积为 40.0 米 x 40.0 米（1600 平方米）。
• 地点函数计数参数输入大小的上限为 1 MB。
• 不支持按地点 ID 或地址组成部分进行过滤。

比较地点数量函数和地点数据集查询

下表列出了主要区别：

参考 BigQuery 中的地点计数函数

地点数量函数支持以下城市和国家/地区。您必须分别订阅每个城市和国家/地区。