Hive / ClickHouse 行转列函数 collect_set() / groupUniqArray() 入门

在数据处理和分析中，我们经常会遇到需要将一行数据转换为多列的情况。在 Hive 和 ClickHouse 中，可以使用 collect_set() 和 groupUniqArray() 函数来实现行转列操作。

collect_set()

1. 功能说明 collect_set() 函数用于将一列的数据转换为一个无重复元素的数组。 2. 语法

scss 复制代码

sqlCopy codecollect_set(column_name)

3. 示例 假设我们有一个包含学生姓名及其对应的科目的表格。

学生姓名

科目

张三

数学

张三

英语

李四

数学

李四

物理

李四

化学

王五

英语

使用 collect_set() 函数可以将同一个学生的科目转换为数组。

vbnet 复制代码

sqlCopy codeSELECT
    学生姓名,
    collect_set(科目) AS 科目列表
FROM
    学生成绩表
GROUP BY
    学生姓名;

输出结果为：

学生姓名

科目列表

张三

[数学, 英语]

李四

[数学, 物理, 化学]

王五

[英语]

groupUniqArray()

1. 功能说明 groupUniqArray() 函数用于将多列数据转换为一个无重复元素的数组。 2. 语法

scss 复制代码

sqlCopy codegroupUniqArray(column1, column2, ...)

3. 示例 假设我们有一个包含学生姓名、科目和对应成绩的表格。

学生姓名

科目

成绩

张三

数学

张三

英语

李四

数学

李四

物理

李四

化学

王五

英语

使用 groupUniqArray() 函数可以将同一个学生的科目和成绩转换为数组。

vbnet 复制代码

sqlCopy codeSELECT
    学生姓名,
    groupUniqArray(科目, 成绩) AS 科目成绩列表
FROM
    学生成绩表
GROUP BY
    学生姓名;

输出结果为：

学生姓名

科目成绩列表

张三

[[数学, 80], [英语, 90]]

李四

[[数学, 85], [物理, 70], [化学, 95]]

王五

[[英语, 88]]

以上就是在 Hive 和 ClickHouse 中使用 collect_set() 和 groupUniqArray() 函数实现行转列操作的介绍和示例。通过这些函数，我们可以方便地进行数据聚合和分析工作。

假设我们有一个订单表，记录每个用户购买的商品信息。

订单ID

用户ID

商品名称

1001

商品A

1001

商品B

1002

商品A

1002

商品C

1003

商品A

1003

商品C

使用 collect_set() 函数可以将每个用户购买的商品名称转换为一个数组:

vbnet 复制代码

sqlCopy codeSELECT
    用户ID,
    collect_set(商品名称) AS 购买的商品列表
FROM
    订单表
GROUP BY
    用户ID;

输出结果为:

用户ID

购买的商品列表

1001

["商品A", "商品B"]

1002

["商品A", "商品C"]

1003

["商品A", "商品C"]

假设我们有一个用户表，记录每个用户的技能和对应的级别。

用户ID

技能

级别

1001

技能A

初级

1001

技能B

中级

1002

技能A

中级

1002

技能C

高级

1003

技能A

初级

1003

技能C

高级

使用 groupUniqArray() 函数可以将每个用户的技能和级别转换为一个数组：

vbnet 复制代码

sqlCopy codeSELECT
    用户ID,
    groupUniqArray(技能, 级别) AS 技能级别列表
FROM
    用户表
GROUP BY
    用户ID;

输出结果为：

用户ID

技能级别列表

1001

[["技能A", "初级"], ["技能B", "中级"]]

1002

[["技能A", "中级"], ["技能C", "高级"]]

1003

[["技能A", "初级"], ["技能C", "高级"]]

以上就是在 Hive 和 ClickHouse 中使用 collect_set() 和 groupUniqArray() 函数实现行转列操作的介绍和示例。通过这些函数，可以方便地进行数据聚合和分析工作。

collect_set() 函数的缺点：

不保留原始数据的顺序：collect_set() 函数将数据转换为一个无重复元素的数组，但不保留原始数据的顺序。这对于一些需要按照特定顺序分析数据的场景可能不适用。
数组类型限制：collect_set() 函数将数据转换为一个数组，但数组中的元素必须是相同类型的。如果原始数据中存在不同类型的元素，则无法正确转换。
只能应用于单列数据：collect_set() 函数只能将一列数据转换为一个数组，无法处理多列数据转换的需求。

groupUniqArray() 函数的缺点：

只能应用于多列数据转换：groupUniqArray() 函数是将多列数据转换为一个无重复元素的数组，无法处理单列数据转换的需求。
数组类型限制：与 collect_set() 类似，groupUniqArray() 函数要求转换后的数组中的元素必须是相同类型的。

类似的函数：

collect_list() 函数：与 collect_set() 类似，collect_list() 函数用于将一列数据转换为一个数组，但不去重。
array_agg() 函数：在 PostgreSQL 中，array_agg() 函数可以将一列数据转换为一个数组，并且可以选择是否去重。
pivot() 函数：在 SQL 中，pivot() 函数可以将一列数据透视为多列数据，类似于将行转列的功能，但需要使用动态 SQL。这些函数都可以用于数据的聚合和分析，具体选择哪个函数取决于实际需求和所使用的数据库。