根据 Presto/Hive 中的列值聚合列
Posted
技术标签:
【中文标题】根据 Presto/Hive 中的列值聚合列【英文标题】:Aggregating a column based on column values in Presto/Hive 【发布时间】:2018-11-07 12:52:03 【问题描述】:我正在尝试创建一个数据集,在其中我根据另一列的值聚合一列。举个例子
id | score | id2 | offensive
---------+-------+-----+-----------
a1 | 1.2 | 1 | false
a2 | 36.0 | 1 | true
a3 | 1.2 | 1 | true
a4 | 36.0 | 1 | false
我想要的最终是创建一个包含两个列表的数组,以按攻击性列和与之相关的 id 进行分组,并按得分值对它们进行排序。类似于以下内容:
id |id2 | clean_group | offensive_group
---------+-----+-------------+-----------------
a1 | 1 | [a2, a3] | [a4, a1]
a2 | 1 | [a2, a3] | [a4, a1]
a3 | 1 | [a2, a3] | [a4, a1]
a4 | 1 | [a2, a3] | [a4, a1]
我知道这是冗余数据,但这是要求,应该注意 id 将是不同且唯一的,并且 id2 都将相同。我一直在查看 presto 中的 array_agg
函数和 hive 中的 collect_set
来尝试完成此操作,但遇到了很多麻烦。
有人可以帮忙吗?我们是否能够以某种方式在我们所说的 array_agg(id where offensive=true)
等处传递条件。
【问题讨论】:
【参考方案1】:我认为您希望使用过滤器语法进行聚合:array_agg(id) filter (where offensive)
。这只会处理匹配过滤器的行。
【讨论】:
您对如何在 hive 中执行此操作有建议吗?是不是也一样? 我只用 Presto,所以不知道。【参考方案2】:考虑到攻击性的列是一个字符串,我认为这应该对你有帮助
SELECT
id,
id2,
CASE
WHEN offensive = 'true' then concat_ws(',',collect_set(id))
END AS clean_group,
CASE
WHEN offensive = 'false' then concat_ws(',',collect_set(id))
END AS offensive_group
FROM
table_name;
【讨论】:
比你!做类似collect_set(if(offensive=true, id, NULL)) AS offensive_group
的事情很有效:) 与你所说的非常相似
祝你好运?以上是关于根据 Presto/Hive 中的列值聚合列的主要内容,如果未能解决你的问题,请参考以下文章
对最后一小时分组中的列值求和,然后将所有 5 的总和作为另一列中的总和
如何将 SQL 中的列中的值 PIVOT 到新的列名中,然后在这些 PIVOT 列下列出其他列值?