Question

我正在尝试创建一个数据集，我根据另一列的值聚合列。举个例子

 id      | score | id2 | offensive 
---------+-------+-----+-----------
 a1      | 1.2   | 1   | false     
 a2      | 36.0  | 1   | true      
 a3      | 1.2   | 1   | true      
 a4      | 36.0  | 1   | false

我想要的是最终创建一个由两个列表组成的数组，由攻击列和与其相关的id组成，并按照得分值对它们进行排序。如下所示：

 id      |id2  | clean_group | offensive_group
---------+-----+-------------+-----------------
 a1      | 1   | [a2, a3]    | [a4, a1]
 a2      | 1   | [a2, a3]    | [a4, a1]
 a3      | 1   | [a2, a3]    | [a4, a1]
 a4      | 1   | [a2, a3]    | [a4, a1]

我知道这是冗余数据，但这是要求，应该注意id将是独特且唯一的，并且id2将是相同的。我一直在寻找presto中的array_agg函数和hive中的collect_set来尝试完成此操作，但遇到了很多麻烦。

有人可以帮忙吗？我们是否能够以某种方式在汇总条件中传递array_agg(id where offensive=true)等等。

Answer 1

我认为您希望使用过滤器语法进行聚合：array_agg(id) filter (where offensive)。这只会处理与过滤器匹配的行。

Answer 2

考虑到攻击性列是一个字符串，我认为这应该可以帮助你

SELECT
 id,
 id2,
 CASE
  WHEN offensive = 'true' then concat_ws(',',collect_set(id))
 END AS clean_group,
 CASE
  WHEN offensive = 'false' then concat_ws(',',collect_set(id))
 END AS offensive_group
FROM
table_name;

根据Presto / Hive中的列值聚合列

2 个答案: