蜂房计数数据差的计算

Question

我把计数器数据存储在Hive表中。计数器在时间上递增，有时被重置为零。

我想计算连续行之间的差异，但如果计数器重置，则差异为负值。这里有一个示例数据和预期输出：

data:       1, 3, 6,  7, 1, 4
difference: 2, 3, 1, -6, 3, NA
expected:   2, 3, 1,  1, 3, NA 

通常这样的操作是通过计算滞后并从数据中减去它来完成的。在出现负差异的情况下，我们应该只使用滞后值，下面是函数的一个例子，在R/dplyr中这样做：

diff_counter <-function(x){  
  # count difference between measurements
  lag <- lag(x) 
  dx <- x - lag 
  reset_idx <- dx < 0 & !is.na(dx)
  dx[reset_idx] = lag[reset_idx]
  return(dx)
}

我能在蜂巢里做些类似的事吗？

问候Paweł

Answer 1

假设t是您的datetime列，并且计数器按该顺序递增，那么您可以使用一个CASE块，其LEAD函数如下所示。

SELECT x
    ,CASE 
        WHEN (
                LEAD(x) OVER (
                    ORDER BY t
                    ) - x
                ) > 0
            THEN LEAD(x) OVER (
                    ORDER BY t
                    ) - x
        ELSE LEAD(x) OVER (
                ORDER BY t
                )
        END AS diff
FROM yourtable;


| X |   DIFF |
|---|--------|
| 1 |      2 |
| 3 |      3 |
| 6 |      1 |
| 7 |      1 |
| 1 |      3 |
| 4 | (null) |