2015-01-14 58 views
0

我需要對我的表的每一列執行一些數字操作(使用UDF)。對於每一列我都得到2個值(mean和standard-dev)。但最終的結果是(mean_1, sd_1, mean_2, sd_2, mean_3, sd_3...),其中1,2...是列索引。但是我需要在單獨一行中的每個列的輸出。像:將豬的每個列操作的結果存儲在豬的單獨行中

mean_1, sd_1 \\for col1 
mean_2, sd_2 \\for col2 
... 

這裏是豬腳本我使用:

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; 

有誰請指導我如何實現這一目標?

+0

因此,您只想使用結果數據的一行? – LiMuBei

+0

你可以粘貼你的豬腳本嗎? –

+0

@李慕貝:是的,只有一行包含結果......我還包括豬腳 –

回答

0

謝謝。通過爲各個列創建均值和sd值的元組,然後將所有這些元組存儲在一個包中,我得到了所需的輸出。然後在下一步我把袋子弄平了。

tupled_stats = FOREACH raw_stats generate TOTUPLE(mean_0, var_0, sd_0) as T0, TOTUPLE(mean_1, var_1, sd_1) as T1, TOTUPLE(mean_2, var_2, sd_2) as T2; 
bagged_stats = FOREACH tupled_stats generate TOBAG(T0, T1, T2) as B; 
stats = foreach bagged_stats generate flatten(B);