Hive分析窗口函数(三) CUME_DIST,PERCENT_RANK

来源：互联网发布：下载动态壁纸软件编辑：程序博客网时间：2024/04/29 05:21

转载地址：

这两个序列分析函数不是很常用，这里也介绍一下。

注意：序列函数不支持WINDOW子句。（什么是WINDOW子句，点此查看前面的文章）

Hive版本为 apache-hive-0.13.1

数据准备：

    d1,user1,1000    d1,user2,2000    d1,user3,3000    d2,user4,4000    d2,user5,5000         CREATE EXTERNAL TABLE lxw1234 (    dept STRING,    userid string,    sal INT    ) ROW FORMAT DELIMITED     FIELDS TERMINATED BY ','     stored as textfile location '/tmp/lxw11/';              hive> select * from lxw1234;    OK    d1      user1   1000    d1      user2   2000    d1      user3   3000    d2      user4   4000    d2      user5   5000

CUME_DIST

–CUME_DIST 小于等于当前值的行数/分组内总行数
–比如，统计小于等于当前薪水的人数，所占总人数的比例

    SELECT     dept,    userid,    sal,    CUME_DIST() OVER(ORDER BY sal) AS rn1,    CUME_DIST() OVER(PARTITION BY dept ORDER BY sal) AS rn2     FROM lxw1234;         dept    userid   sal   rn1       rn2     -------------------------------------------    d1      user1   1000    0.2     0.3333333333333333    d1      user2   2000    0.4     0.6666666666666666    d1      user3   3000    0.6     1.0    d2      user4   4000    0.8     0.5    d2      user5   5000    1.0     1.0         rn1: 没有partition,所有数据均为1组，总行数为5，         第一行：小于等于1000的行数为1，因此，1/5=0.2         第三行：小于等于3000的行数为3，因此，3/5=0.6    rn2: 按照部门分组，dpet=d1的行数为3,         第二行：小于等于2000的行数为2，因此，2/3=0.6666666666666666

PERCENT_RANK

–PERCENT_RANK 分组内当前行的RANK值-1/分组内总行数-1
应用场景不了解，可能在一些特殊算法的实现中可以用到吧。

    SELECT     dept,    userid,    sal,    PERCENT_RANK() OVER(ORDER BY sal) AS rn1,   --分组内    RANK() OVER(ORDER BY sal) AS rn11,          --分组内RANK值    SUM(1) OVER(PARTITION BY NULL) AS rn12,     --分组内总行数    PERCENT_RANK() OVER(PARTITION BY dept ORDER BY sal) AS rn2     FROM lxw1234;         dept    userid   sal    rn1    rn11     rn12    rn2    ---------------------------------------------------    d1      user1   1000    0.0     1       5       0.0    d1      user2   2000    0.25    2       5       0.5    d1      user3   3000    0.5     3       5       1.0    d2      user4   4000    0.75    4       5       0.0    d2      user5   5000    1.0     5       5       1.0         rn1: rn1 = (rn11-1) / (rn12-1)        第一行,(1-1)/(5-1)=0/4=0       第二行,(2-1)/(5-1)=1/4=0.25       第四行,(4-1)/(5-1)=3/4=0.75    rn2: 按照dept分组，         dept=d1的总行数为3         第一行，(1-1)/(3-1)=0         第三行，(3-1)/(3-1)=1

0 0