hive統計函數合集

本篇內容介紹了“hive統計函數合集”的有關知識，在實際案例的操作過程中，不少人都會遇到這樣的困境，接下來就讓小編帶領大家學習一下如何處理這些情況吧！希望大家仔細閱讀，能夠學有所成！

集合統計函數1. 個數統計函數: count

語法: count(*), count(expr), count(DISTINCT expr[, expr_.])

返回值: int

說明: count(*)統計檢索出的行的個數，包括NULL值的行；count(expr)返回指定字段的非空值的個數；count(DISTINCTexpr[, expr_.])返回指定字段的不同的非空值的個數

舉例：

hive> select count(*) from lxw_dual;

20

hive> select count(distinct t) from lxw_dual;

10

2. 總和統計函數: sum

語法: sum(col), sum(DISTINCT col)

返回值: double

說明: sum(col)統計結果集中col的相加的結果；sum(DISTINCT col)統計結果中col不同值相加的結果

舉例：

hive> select sum(t) from lxw_dual;

100

hive> select sum(distinct t) from lxw_dual;

70

3. 平均值統計函數: avg

語法: avg(col), avg(DISTINCT col)

返回值: double

說明: avg(col)統計結果集中col的平均值；avg(DISTINCT col)統計結果中col不同值相加的平均值

舉例：

hive> select avg(t) from lxw_dual;

50

hive> select avg (distinct t) from lxw_dual;

30

4. 最小值統計函數: min

語法: min(col)

返回值: double

說明: 統計結果集中col字段的最小值

舉例：

hive> select min(t) from lxw_dual;

20

5. 最大值統計函數: max

語法: maxcol)

返回值: double

說明: 統計結果集中col字段的最大值

舉例：

hive> select max(t) from lxw_dual;

120

6. 非空集合總體變量函數:var_pop

語法: var_pop(col)

返回值: double

說明: 統計結果集中col非空集合的總體變量（忽略null）

舉例：

7. 非空集合樣本變量函數:var_samp

語法: var_samp (col)

返回值: double

說明: 統計結果集中col非空集合的樣本變量（忽略null）

舉例：

8. 總體標準偏離函數:stddev_pop

語法: stddev_pop(col)

返回值: double

說明: 該函數計算總體標準偏離，并返回總體變量的平方根，其返回值與VAR_POP函數的平方根相同

舉例：

9. 樣本標準偏離函數:stddev_samp

語法: stddev_samp (col)

返回值: double

說明: 該函數計算樣本標準偏離

舉例：

10．中位數函數:percentile

語法: percentile(BIGINT col, p)

返回值: double

說明: 求準確的第pth個百分位數，p必須介于0和1之間，但是col字段目前只支持整數，不支持浮點數類型

舉例：

11. 中位數函數:percentile

語法: percentile(BIGINT col, array(p1 [, p2]…))

返回值: array<double>

說明: 功能和上述類似，之后后面可以輸入多個百分位數，返回類型也為array<double>，其中為對應的百分位數。

舉例：

select percentile(score,<0.2,0.4>) from lxw_dual；取0.2，0.4位置的數據

12. 近似中位數函數:percentile_approx

語法: percentile_approx(DOUBLE col, p [, B])

返回值: double

說明: 求近似的第pth個百分位數，p必須介于0和1之間，返回類型為double，但是col字段支持浮點類型。參數B控制內存消耗的近似精度，B越大，結果的準確度越高。默認為10,000。當col字段中的distinct值的個數小于B時，結果為準確的百分位數

舉例：

13. 近似中位數函數:percentile_approx

語法: percentile_approx(DOUBLE col, array(p1 [, p2]…) [, B])

返回值: array<double>

說明: 功能和上述類似，之后后面可以輸入多個百分位數，返回類型也為array<double>，其中為對應的百分位數。

舉例：

14. 直方圖:histogram_numeric

語法: histogram_numeric(col, b)

返回值: array<struct {‘x’,‘y’}>

說明: 以b為基準計算col的直方圖信息。

舉例：

hive> select histogram_numeric(100,5) from lxw_dual;

[{"x":100.0,"y":1.0}]

“hive統計函數合集”的內容就介紹到這里了，感謝大家的閱讀。如果想了解更多行業相關的知識可以關注億速云網站，小編將為大家輸出更多高質量的實用文章！