我有一个数据集，它有一个带有时间戳数组的列和一个只有一个时间戳的列。我希望得到数组的大小，使用c1时间戳作为变大变小的条件。
表（我的表）：
c1 | c2 |
----------------------------|
4 | [1,2,3,4,5,6,7,8,9,10] |
1 | [1,2,3,4,5,6,7,8,9,10] |
5 | [1,2,3,4,5,6,7,8,9,10] |
3 | [1,2,3,4,5,6,7,8,9,10] |查询：
select
c1,
c2,
size(some_udf_split_on_c1(sort_array(<array>), c1)[1]) AS smaller_than_c1
size(some_udf_split_on_c1(sort_array(<array>), c1)[2]) AS larger_than_c1
from my_tableudf是我假设的实现。
输出：
c1 | c2 | smaller_than_c1 | larger_than_c1
----------------------------|-----------------|---------------
4 | [1,2,3,4,5,6,7,8,9,10] | 3 | 6
1 | [1,2,3,4,5,6,7,8,9,10] | 0 | 9
5 | [1,2,3,4,5,6,7,8,9,10] | 4 | 5
3 | [1,2,3,4,5,6,7,8,9,10] | 1 | 8
1条答案
按热度按时间slhcrj9b1#
一个自定义项将是你寻找的最快的途径。使用explode和groupbys的组合也许可以做到这一点，但是与10行udf代码相比，您只需编写udf就更高兴了。