hive——lag函数使用_hive lag

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