我有一个变量car_age,它在整个CSV文件中保存汽车年龄的不同值。我如何取所有值的平均值?我需要用car_age值的平均值(或平均值)替换异常值。 这是我目前正在做的事情。
training_data= LOAD '/user/All_State_Insurance_Prediction_Dataset/sampled_training_dataset/sampled_training_set';
A1 = foreach training_data generate car_age;
B1= Distinct A1;
B1具有明显的汽车年龄值。如何在B1中找到值的平均值,总和和计数?我没有使用Group By,因为我需要在单个值列表上完成这些操作。
答案 0 :(得分:0)
尝试平均值
training_data= LOAD '/user/All_State_Insurance_Prediction_Dataset/sampled_training_dataset/sampled_training_set' USING PigStorage();
A1 = foreach training_data generate car_age;
B1= Distinct A1;
B1_grouped = GROUP B1 all;
B1_avg = FOREACH B1_grouped GENERATE AVG(B1);
类似地,您可以为SUM和其他聚合函数
执行此操作