0
我需要对我的表的每一列执行一些数字操作(使用UDF)。对于每一列我都得到2个值(mean和standard-dev)。但最终的结果是(mean_1, sd_1, mean_2, sd_2, mean_3, sd_3...)
,其中1,2...
是列索引。但是我需要在单独一行中的每个列的输出。像:将猪的每个列操作的结果存储在猪的单独行中
mean_1, sd_1 \\for col1
mean_2, sd_2 \\for col2
...
这里是猪脚本我使用:
data = LOAD 'input_file.csv' USING PigStorage(',') AS (C0,C1,C2);
grouped_data = GROUP data ALL;
res = FOREACH grouped_data GENERATE FLATTEN(data), AVG(data.$1) as mean, COUNT(data.$1) as count;
tmp = FOREACH res {
diff = (C1-mean)*(C1-mean);
GENERATE *,diff as diff;
};
grouped_diff = GROUP tmp all;
sq_tmp = FOREACH grouped_diff GENERATE flatten(tmp), SUM(tmp.diff) as sq_sum;
stat_tmp = FOREACH sq_tmp GENERATE mean as mean, sq_sum/count as variance, SQRT(sq_sum/count) as sd;
stats = LIMIT stat_tmp 1;
有谁请指导我如何实现这一目标?
因此,您只想使用结果数据的一行? – LiMuBei
你可以粘贴你的猪脚本吗? –
@李慕贝:是的,只有一行包含结果......我还包括猪脚 –