如何过滤组中最小的不同值？

ebdffaop 于 2021-06-24 发布在 Pig

关注(0)|答案(1)|浏览(344)

假设我有一个包含以下列（a，b，c）的表
如何编写pig语句来创建列（a）上的groupby。然后过滤count（b列>100）和count of（distinct（c列）>3）？
从我所拥有的：
我首先去掉b小于100的计数 filter_column = FILTER data by b > 100; 然后在一个 group_1 = GROUP filter_column by A; 如果c列中不同值的计数大于3，我现在如何过滤这个组？

group-by Filter distinct-values apache-pig

来源：https://stackoverflow.com/questions/54719066/how-to-filter-minimum-distinct-values-in-a-group-by

1条答案

按热度按时间

klh5stk11#

要实现这一点，您可以在筛选值之前首先进行聚合（计算列b和不同列c）。

dataAggregated = FOREACH (GROUP data BY col_a) {
    uniqC = DISTINCT data.col_c;
    GENERATE
        FLATTEN(group) AS col_a,
        COUNT(data.col_b) AS b_count,
        COUNT(uniqC) AS uniq_c_count; }
;

dataFiltered = FILTER dataAggregated BY b_count > 100 AND uniq_c_count > 3;

过滤标量（b列）不会产生与过滤聚合（计数b列）相同的结果。如果您希望对满足条件列b>100的记录进行聚合（count unique column c），那么应该首先应用该过滤器。

赞(0）回复(0）举报 2021-06-24

我来回答

如何过滤组中最小的不同值？

1条答案

相关问题

热门标签

最新问答