标签: aggregate-functions

我有一般的查询,例如:

SELECT col1, col2, col3, col4
FROM Table1 AS t1
GROUP BY col1, col2, col3, col4

它将返回一个类似于以下内容的表:

col1   col2   col3   col4    
data1  data2  data3  data4
data1  data2  data3  data5
data10 data11 data12 data13
data10 data11 data12 data14
data10 data11 data12 data15

我需要获取col1的计数以显示data1返回两次而data10返回三次.该表应如下所示:

col1   col2   col3   col4   Count  
data1  data2  data3  data4  2
data1  data2  data3  data5  2
data10 data11 data12 data13 3
data10 data11 data12 data14 3
data10 data11 data12 data15 3

我在select语句中尝试了count(*),但这不起作用.

我必须找到一对学生,他们从拥有studentID和的表中选择完全相同的课程courseID.

studentID | courseID
    1           1
    1           2
    1           3
    2           1
    3           1
    3           2
    3           3 

查询应该返回(1, 3).
结果也不应该有重复的行,例如(1,3)和(3,1).

我正在尝试使用由另一列分组的该列的最大值来更新表中的列。

例如，假设我们有一个名为 transactions 的表，其中包含两列：quantity和item_name。而无论出于何种原因，我们要设置quantity等于最大quantity发现每个item_name。

我很不擅长在 SQL 中做这样的事情，但这是我到目前为止所拥有的：

UPDATE transactions 
SET
quantity = subquery.quantity
FROM (select max(quantity), item_name
      from transaction group by item_name) AS subquery
WHERE  and item_name = subquery.item_name;

我正在使用 Postgresql 8.4。我有一张这样的表：

 type | value
------+-------
 1    | 5
 2    | 6
 1    | 4
 3    | 10

我想写一个选择，它会给我最小值和最大值，以及所有类型的聚合integer[]。想要的结果应该是：

 min | max | types
-----+-----+-----------
 4   | 10  | {1, 2, 3}

为了获得最小值和最大值，我已经有了：

SELECT MIN(value) min, MAX(value) max FROM table;

要在独立选择中获取类型，我使用：

SELECT array_agg(DISTINCT type) types FROM table;

我怎样才能将这些组合成一个选择（这不是太低效）？

如何在一个查询中执行以下操作:

如果我有两个这样的问题

SELECT SUM(value +sal) AS sump
FROM loans 
WHERE active_flag = 1

SELECT SUM(value +sal) AS sumn
FROM loans 
WHERE active_flag = 2

我想得到sump并sumn在同一个查询中

示例数据：

test,test2
----------
a,qwer
b,wert
c,erty
d,rtuy
d,tyui
e,yuio
e,uiop

我正在尝试编写一个返回表中唯一值的查询：

SELECT
  test

FROM aatest
GROUP BY test
HAVING (COUNT(test) = 1)

这有效并返回 a、b 和 c，因为 d 和 e 不是唯一的。

但我也想打印出 test2 所以我试过：

select 
test, 
test2
from aatest
GROUP BY test
HAVING (COUNT(test) = 1)

但我得到了错误。

我想知道是否有某种方法为Spark数据帧指定自定义聚合函数.如果我有一个包含2列的表id,value我想groupBy id并将值聚合到每个列表中,value如下所示:

从:

john | tomato
john | carrot
bill | apple
john | banana
bill | taco

至:

john | tomato, carrot, banana
bill | apple, taco

这在数据帧中是否可行？我问的是数据帧,因为我正在将数据作为一个orc文件读取,并将其作为数据帧加载.我认为将它转换为RDD是无效的.

我想使用列名数组作为输入聚合Spark数据框,同时保留列的原始名称.

df.groupBy($"id").sum(colNames:_*)

这有效,但无法保留名称.受到这里找到的答案的启发,我没有尝试过这个:

df.groupBy($"id").agg(sum(colNames:_*).alias(colNames:_*))
error: no `: _*' annotation allowed here

它可以像单个元素一样

df.groupBy($"id").agg(sum(colNames(2)).alias(colNames(2)))

如何才能使整个阵列发生这种情况？

带有Legacy SQL的BigQuery有一个非常方便的QUANTILES功能,可以快速获取表中值的直方图,而无需手动指定存储桶.

我在标准SQL中可用的聚合函数中找不到一个很好的等价物.我是否遗漏了一些显而易见的东西,或者其他什么是模仿它的标准方法？

假设我有一个包含一列(IDNUMBER)的数据集,如下所示:

IDNUMBER
1
2
3
1001
1002
1003
1004
1005

理想情况下,我希望将此列中存在的任何数据分成两列,表示连续值的范围.

START, END
1, 3
1001, 1005

我可以用光标或循环来做到这一点,但是有基于集合的解决方案吗？

谢谢.