Hive SQL中的列转行（lateral view与explode）、行转列_hive explode行转列

一、列转行

1、相关函数

列转行：将某列一行中的数据拆分成多行

1）Explode炸裂函数

将hive某列一行中复杂的 array 或 map 结构拆分成多行（只能输入array或map）

语法：

select explode(字段) as 字段命名 from 表名;

举例：

explode(array)使得结果中将array列表里的每个元素生成一行

select(array('1','2','3')) 

explode(map)使得结果中将map里的每一对元素作为一行，key为一列，value为一列

select explode(map('A','1','B','2','C','3'))

局限性：

1、不能关联原有的表中的其他字段

2、不能与group by、cluster by、distribute by、sort by联用

3、不能进行UDTF嵌套

2）posexplode()函数

explode()：对一列进行炸裂可以使用

posexplode()：对两列都进行多行转换，可以将index和数据都取出来，使用两次posexplode并令两次取到的index相等即可

举例：

select posexplode(collect_set('AA'))

collect_set：将某字段进行去重处理，返回array类型

3）Lateral View

Lateral View配合 split, explode 等UDTF函数一起使用，它能够将一列数据拆成多行数据，并且对拆分后结果进行聚合，即将多行结果组合成一个支持别名的虚拟表。相当于拆出一张虚拟表，与原表进行关联。

语法：

select o.*, table_view.new_col
from table_origin o
lateral view UDTF(expression) table_view as new_col_1, new_col_2

lateral view：表示将UDTF分裂的字段放在虚拟表中, 然后和主表table_origin进行关联。
UDTF(expression)：使用的UDTF函数，例如explode()
table_view : 对应的虚拟表的表名
new_col: 虚拟表里存放的有效字段（可多个）
注意：

• lateral view的位置是from后where条件前
• 生成的虚拟表的表名不可省略
• from后可带多个lateral view
• 如果要拆分的字段有null值，需要使用lateral view outer 替代，避免数据缺失

2、案例

例子1-explode+split

假设有如下movies表，字段名分别为movie(string)和category(array<string>)

转换为

select movie,category_name
from  movies 
lateral view explode(category) table_tmp as category_name;
 
-- 结果:
--《疑犯追踪》	悬疑
--《疑犯追踪》	动作
--《疑犯追踪》	科幻
--《疑犯追踪》	剧情
--《海豹突击队》	动作
-- ...

注：explode函数输入了一个string类型的参数，搭配split()函数

 例子2-explode+split

 转换为

select col1, col2, col5
from test
lateral view explode(split(col3,','))  b AS col5
-- split(col3,",")相对字符串切割，得到数组

注：explode函数输入了一个string类型的参数，搭配split()函数

例子3-explode+split

select uid_split, game 
from ( 
	select uid,game
	from user_game
	lateral view explode(split(game_list,",")) tmpTable as game
) a
lateral view explode(split(uid, ",")) m as uid_split

 例子4-多列炸裂

1）创建测试表，插入数据

CREATE table student_score(
	stu_id string comment '学号',
	stu_name string comment '姓名',
	courses string comment '各个科目',
	scores string comment '各个分数'
) comment '学生成绩表';

insert into student_score values 
("1001", "张三","语文,数学,英语,历史,地理", "88,87,94,86,84"),
("1002", "李四", "语文,数学,英语,历史,地理", "78,89,75,79,68"),
("1003", "王五", "语文,数学,英语,历史,地理", "98,97,91,93,92"),
("1004", "朱六", "语文,数学,英语,历史,地理", "66,63,64,67,68");

 2）测试explode 行转列

select a.stu_id, a.stu_name, table_view.course 
from student_score a 
lateral view explode(split(courses, ',')) table_view as `course`;

 

3）查询每个学生课程对应的分数，使用posexplode函数 

先测试使用explode, 看看效果：

select a.stu_id, a.stu_name, 
    table_view1.course, table_view2.score
from student_score a 
lateral view explode(split(courses, ',')) table_view1 as `course` 
lateral view explode(split(scores, ',')) table_view2 as `score`;

结果:

出现这种情况是因为两个并列的explode的sql没办法识别每个科目对应的成绩是多少，对于多个数组的行转列可以使用posexplode函数。
例如使用如下查询语句:

select stu_id, stu_name, course, score 
from student_score 
lateral view posexplode(split(courses, ',')) table_view1 as a, course 
lateral view posexplode(split(scores, ',')) table_view2 as b, score 
where a = b;

 例子5-posexplode

转换为

一次posexplode

select id,tim,single_id_index,single_id 
from test.a 
lateral view posexplode(split(id,',')) t as single_id_index, single_id;d;

 结果

single_id_index		single_id
0					a
1					b
2					c
3					d
0					f
1					b
2					c
3					d

两次posexplode+where筛选

select 
	id,tim,single_id,single_tim 
from 
	test.a 
	lateral view posexplode(split(id,',')) t as single_id_index, single_id
	lateral view posexplode(split(tim,',')) t as single_yim_index, single_tim
where 
	single_id_index = single_yim_index;

例子6-explode+map

select column1, column2, column3, m_key, m_val from
    (select column1, column2, column3, map("X1", X1, "X2", X2, "X3", X3, "X4", X4) as map1
    from table1) as t1
lateral view explode(map1) xyz as m_key, m_val 

例子7-explode+str_to_map

转换为

select table_4.name,
a.item,
a.score
from table_4
lateral view explode(
str_to_map(concat('math=',math,'&english=',english),'&','=')
) a as item,score；

解析：首先使用str_to_map函数将math字段与english字段拼接后的结果转换为map类型，然后通过侧视图和explode函数将其爆炸开，给生成的临时侧视图一个名字，取名a并给列名取名为item,score，因为explode(map)爆炸的结果是每一个item为行，key为1列，value为1列，这样就恰好形成我们想要的结果。

二、行专列

1、相关函数

行转列：将多个列中的数据在一列中输出

1）Concat

concat(string1/col, string2/col, …)

输入任意个字符串(或字段,可以为int类型等)，返回拼接后的结果

select concat(id,'-',name,'-',age) 
from student;

2）Concat_ws

concat_ws(separator, str1, str2, …)

特殊形式的 concat()，参数只能为字符串，第一个参数为后面参数的分隔符。分隔符可以是与后面参数一样的字符串。如果分隔符是 NULL，返回值也将为 NULL。这个函数会跳过分隔符参数后的任何 NULL 和空字符串。分隔符将被加到被连接的字符串之间；

select concat_ws('-', name, gender) 
from student;

3）Collect_set（聚合，返回数组类型）

collect_set(col)

将某字段进行去重处理，返回array类型；该函数只接受基本数据类型

select collect_set(age) 
from student;

collect_set 与 collect_list 的区别就是set去重，list不去重

4）case when

case when <expr> then <result>…else <default> end
if(expr, true_result, false_result)

case when 语句是SQL中的一个非常重要的功能，可以完成很多复杂的计算，相当于一个表达式，可以放在任何可放表达式的地方。

2、案例

例子1

 转换为

select
    t1.base,
    concat_ws('|', collect_set(t1.name)) as name
from
    (select name,concat(constellation, ",", blood_type) as base
    from person_info) as t1
group by
    t1.base;

例子2

转换为

 

select 
	stu_name,
	concat_ws(',',collect_set(course)) as course,
	concat_ws(',',collect_set(score)) as score
from student
group by stu_name

 例子3

转换为

Select
name,
sum(case when item=数学 then score end) as math,
sum(case when item=英语 then score end) as english,
From table
Group by name

解析：首先写出select name from table group by name, 因为select后有几个字段，最终输出就是几个字段，所以我们需要把目标数据的”math”和“english”两个字段想办法得出来。

之后可以对item字段所有枚举的结果进行case when判断，将score填值进入，因为最后我们需要对name做一下聚合，需要明确的是一般选取字段一定要出现在groupby里面。

聚合函数可以不用，所以我们在外面套一层sum做聚合，这样得到sum的结果和单人得分结果是一致的，因为我们以name做了一遍聚合，而每个用户对一门课程只有一个成绩，所以这样就可以得到最终结果。