hive 常用到的数学统计函数

avg(col)--指定行的值的平均值；

avg(distinct col)--排重后的值的平均值；

min(col)--指定行的值的最小值；

max(col)--指定行的值的最大值；

variance(col)--返回col 中一组数值的方差；

var_pop(col)---返回col 中一组数值的方差；

var_samp(col)--返回col 中一组数值的样本方差；

stddev_pop(col)--返回col 中一组数值的标准偏差；

stddev_samp(col)--返回col 中一组数值的样本偏差；

covar_pop(col1,col2)--返回一组数值的协方差；

covar_samp(col1,col2)--返回一组数值的样本协方差；

corr(col1,col2)--返回两组数值的相关系数；

percentile(bigint int_expr,p)--int_expr在p（范围是[0,1]）处对应的百分比，其中p是double型；

percentile(bigint int_expr,array(p1[,p2…]))--int_expr在p（范围是[0,1]）处对应的百分比，其中p是double型数组；

percentile(double col,p[,NB])--col在p（范围是[0,1]）处对应的百分比，其中p是double型,NB是用于估计的直方图中的仓库数量（默认10000）；

percentile_approx(double col,array(p1[,p2…])[,NB])--col在p（范围是[0,1]）处对应的百分比，其中p是double型数组,NB是用于估计的直方图中的仓库数量（默认10000）；

对于数据统计，保证数据都是数值类型的。