环境
hive2.x
主要内容
lag函数
应用场景
对某个字段排序,对排序后的结果计算相邻行的差值
模型
diff_age(id string,age int)
("1",10)
("2",30)
("3",100)
中间过程测试
#求相邻id年龄插值
select
id,
age,
lag(age,1,0) over(order by age) as syh
from diff_age
;
-- 结果是全部是Null
select
id,
age,
lag(age,1) over(partition by id order by age) as syh
from diff_age
;
-- 如果上一行没有值,默认值为null
select
id,
age,
lag(age,1) over(order by age) as syh
from diff_age
;
这一段sql和上一段sql的区别是没有加partition by,在网上看到都是加了分区的,这里经过反复测试不加分区才是对的,可能和版本有关系,
有小伙伴在使用这个函数过程中,出现了null问题,可以测试一下
-- 如果上一行没有,则给默认值0
select
id,
age-lag(age,1,0) over(order by age) as nlc
from diff_age
;
lag是可以直接取行数,取不到默认为null,这里给了一个默认值0
lag的用法(字段,向上取几行,取不到给默认值)
这里直接用年龄-取到的值得到年龄差
-- 如果上一行没有,则默认上一行是当前行值
select
id,
age-lag(age,1,age) over(order by age) as nlc
from diff_age
;
这里id=1是没有上一行,默认是就是当前
-- 年龄按顺序排列,求出相邻行年龄差 v1.0
select
*
from(
select
id,
age,
age-lag(age,1,age) over(order by age) as nlc
from diff_age
)tmp
where nlc != 0
;
这里先计算年龄差,默认值是当前,所以第一行减去第一行是0,再通过子查询过滤
这样做会出现bug,如果后续中出现了0,则都会过滤,但只有第一条不符合
-- 年龄按顺序排列,求出相邻行年龄差 v1.1
select
id,
age,
nlc
from(
select
id,
age,
age-lag(age,1,age) over(order by age) as nlc,
row_number() over(order by age) rank
from diff_age
)tmp
where rank != 1
;
这里添加了排序字段,因为排序规则是一样的,所以可以认定是按年龄排序结果与序号是一一对应的
在子查询中过滤序号为1,即第一行