4.分组内top前几

百里守约学编程

于 2022-12-17 15:24:03 发布

阅读量120

点赞数

分类专栏： # HSQL练习文章标签： hive sql

本文链接：https://blog.csdn.net/YouMing_Li/article/details/128353638

版权

HSQL练习专栏收录该内容

10 篇文章 0 订阅

订阅专栏

文章目录

核心思路
例题一：跨越物流
例题二：小米电商

核心思路

需求常见词：【每组xxx的第一个yyy的zzz】【每组xxx的最后一个】
【每组xxx的前n个】【每组最xx的前n个】
公式：row_number() over(partition by 分组字段 order by 排序字段) as rn，再筛选rn<=N名

例题一：跨越物流

create table emp(empno string ,ename string,hiredate string,sal int ,deptno string);
insert overwrite table emp values
('7521', 'WARD', '1981-2-22', 1250, 30),
('7566', 'JONES', '1981-4-2', 2975, 20),
('7876', 'ADAMS', '1987-7-13', 1100, 20),
('7369', 'SMITH', '1980-12-17', 800, 20),
('7934', 'MILLER', '1982-1-23', 1300, 10),
('7844', 'TURNER', '1981-9-8', 1500, 30),
('7782', 'CLARK', '1981-6-9', 2450, 10),
('7839', 'KING', '1981-11-17', 5000, 10),
('7902', 'FORD', '1981-12-3', 3000, 20),
('7499', 'ALLEN', '1981-2-20', 1600, 30),
('7654', 'MARTIN', '1981-9-28', 1250, 30),
('7900', 'JAMES', '1981-12-3', 950, 30),
('7788', 'SCOTT', '1987-7-13', 3000, 20),
('7698', 'BLAKE', '1981-5-1', 2850, 30);

select * from emp;

在这里插入图片描述

题目描述

求出每个部门工资最高的前三名员工，并计算这些员工每个员工的工资占所属部门总工资的百分比。

分析：最终结果中需要包含员工信息，然后还需要包含三个新增的列（伪列），排名、部门总工资、员工占总工资的百分比

with t1 as (
    select
        *,
        row_number() over (partition by deptno order by sal desc) as rn,
        -- sum窗口函数没有order by时，即分组后的指定列值的总和，有order by时，则是指定列值的前缀累加和
        sum(sal) over (partition by deptno) as sum_sal
    from emp)

select
    *,
    round(sal / sum_sal,2)  as rate
from t1
where rn <= 3;

在这里插入图片描述

例题二：小米电商

订单表名字：t_order.
字段：user_id, order_id, ctime(10位时间戳)，city id，sale_num，sku_id(商品)

问题：20201201至今每日订单量top10的城市及其订单量(订单量对order id去重)`

create table t_order (user_id string, 
                      order_id string, 
                      ctime string, 
                      city_id string, 
                      sale_num int , 
                      sku_id string) ;


第一步：对数据做相关预处理，如时间戳转为日期，过滤出指定时间范围的订单，对订单id去重统计订单量
with t1 as (select to_date(ctime) cdate, city_id, count(distinct order_id) cnt
            from t_order
            where to_date(ctime) >= '2020-12-01'
              and to_date(ctime) <= `current_date`()
            group by to_date(ctime), city_id),

第二步：对日期分组，对销售量排序
     t2 as (select *, row_number() over (partition by cdate order by cnt desc) rn from t1)

第三步：过滤出top10，保留所需结果字段
select cdate, city_id, cnt
from t2
where rn <= 10;