hive UDAF函数 （四）

1. 个数统计函数: count
   语法: count(), count(expr), count(DISTINCT expr[, expr_.])
   返回值: int
   说明: count()统计检索出的行的个数，包括 NULL 值的行；count(expr)返回指定字段的
   非空值的个数；count(DISTINCT expr[, expr_.])返回指定字段的不同的非空值的个数
   举例：
   hive> select count(*) from lgy;
   20
   hive> select count(distinct t) from lgy;
   10

2. 总和统计函数: sum
   语法: sum(col), sum(DISTINCT col)
   返回值: double
   说明: sum(col)统计结果集中 col 的相加的结果；sum(DISTINCT col)统计结果中 col 不同值
   相加的结果
   举例：
   hive> select sum(t) from lgy;
   100
   hive> select sum(distinct t) from lgy;
   70

3. 平均值统计函数: avg
   语法: avg(col), avg(DISTINCT col)
   返回值: double
   说明: avg(col)统计结果集中 col 的平均值；avg(DISTINCT col)统计结果中 col 不同值相加
   的平均值
   举例：
   hive> select avg(t) from lgy;
   50
   hive> select avg (distinct t) from lgy;
   30

4. 最小值统计函数: min
   语法: min(col)
   返回值: double
   说明: 统计结果集中 col 字段的最小值
   举例：
   hive> select min(t) from lgy;
   20

5. 最大值统计函数: max
   语法: maxcol)
   返回值: double
   说明: 统计结果集中 col 字段的最大值
   举例：
   hive> select max(t) from lgy;
   120

6. 非空集合总体变量函数: var_pop
   语法: var_pop(col)
   返回值: double
   说明: 统计结果集中 col 非空集合的总体变量（忽略 null）
   举例：

7. 非空集合样本变量函数: var_samp
   语法: var_samp (col)
   返回值: double
   说明: 统计结果集中 col 非空集合的样本变量（忽略 null）
   举例：

8. 总体标准偏离函数: stddev_pop
   语法: stddev_pop(col)
   返回值: double
   说明: 该函数计算总体标准偏离，并返回总体变量的平方根，其返回值与 VAR_POP 函
   数的平方根相同
   举例：

9. 样本标准偏离函数: stddev_samp
   语法: stddev_samp (col)
   返回值: double
   说明: 该函数计算样本标准偏离
   举例：
   10．中位数函数: percentile
   语法: percentile(BIGINT col, p)
   返回值: double
   说明: 求准确的第 pth 个百分位数，p 必须介于 0 和 1 之间，但是 col 字段目前只支持
   整数，不支持浮点数类型
   举例：

10. 中位数函数: percentile
    语法: percentile(BIGINT col, array(p1 [, p2]…))
    返回值: array
    说明: 功能和上述类似，之后后面可以输入多个百分位数，返回类型也为 array，
    其中为对应的百分位数。
    举例：
    select percentile(score,<0.2,0.4>) from lxw1234； 取 0.2，0.4 位置的数据

11. 近似中位数函数: percentile_approx
    语法: percentile_approx(DOUBLE col, p [, B])
    返回值: double
    说明: 求近似的第 pth 个百分位数，p 必须介于 0 和 1 之间，返回类型为 double，但是
    col 字段支持浮点类型。参数 B 控制内存消耗的近似精度，B 越大，结果的准确度越高。
    默认为 10,000。当 col 字段中的 distinct 值的个数小于 B 时，结果为准确的百分位数
    举例：

12. 近似中位数函数: percentile_approx
    语法: percentile_approx(DOUBLE col, array(p1 [, p2]…) [, B])
    返回值: array
    说明: 功能和上述类似，之后后面可以输入多个百分位数，返回类型也为 array，
    其中为对应的百分位数。
    举例：

13. 直方图: histogram_numeric
    语法: histogram_numeric(col, b)
    返回值: array<struct {‘x’,’y’}>
    说明: 以 b 为基准计算 col 的直方图信息。
    举例：
    hive> select histogram_numeric(100,5) from lgy;
    [{“x”:100.0,“y”:1.0}]

14. 集合去重数：collect_set
    语法: collect_set (col)

返回值: array
说明: 将 col 字段进行去重，合并成一个数组。
举例：
hive> select cookie,ip from lgy;
cookie1 127.0.0.1
cookie1 127.0.0.1
cookie1 127.0.0.2
cookie1 127.0.0.3
hive> select cookie,collect_set(ip) from lgy group by cookie;
cookie1 [“127.0.0.1”,“127.0.0.2”,“127.0.0.3”]
16. 集合不去重函数：collect_list
语法: collect_list (col)
返回值: array
说明: 将 col 字段合并成一个数组,不去重
举例：
hive> select cookie,ip from lgy;
cookie1 127.0.0.1
cookie1 127.0.0.1
cookie1 127.0.0.2
cookie1 127.0.0.3
hive>select cookie,collect_list(ip) from lgy group by cookie;
cookie1 [“127.0.0.1”,“127.0.0.1”,“127.0.0.2”,“127.0.0.3”]
十五、表格生成函数 Table-Generating Functions (UDTF)

1. 数组拆分成多行：explode
   语法: explode(ARRAY)
   返回值: 多行
   说明: 将数组中的元素拆分成多行显示
   举例：
   hive> select explode(array(1,2,3)) from lgy;
   OK
   123

2. Map 拆分成多行：explode
   语法: explode(Map)
   返回值: 多行
   说明: 将 Map 中的元素拆分成多行显示
   举例：
   hive> select explode(map(‘k1’,‘v1’,‘k2’,‘v2’)) from lgy;
   OK
   k2 v2
   k1 v1