Apache pig 计算布尔列上的百分比

假设我的数据具有以下结构：

Year      | Location | New_client 

2018      | Paris    | true
2018      | Paris    | true
2018      | Paris    | false
2018      | London   | true
2018      | Madrid   | true
2018      | Madrid   | false
2017      | Paris    | true

我试图计算每一年和每一个地点的新客户的真实价值百分比，因此从结构示例中获取记录的示例如下

2018     | Paris    | 66
2018     | London   | 100
2018     | Madrid   | 50
2017     | Paris    | 100

根据我当前的脚本进行改编是非常困难的，但不同之处在于它使用了两列（年份和地点），而不是一列

问题是，这使用的是年份作为参考，而我需要它是年份和地区

---

感谢您的帮助。

您需要同时按

年份

和

位置

进行分组，这需要进行两次修改。首先，将

Location

添加到GROUPBY语句中。其次，将

展平（组）为年份

更改为

展平（组）为（年份、位置）

，因为

组

现在是一个包含两个字段的元组

grp = group inpt by (Year, Location);
result = FOREACH grp {
    total = COUNT(inpt);
    t = FILTER inpt BY New_client == 'true';
    GENERATE 
        FLATTEN(group) AS (Year, Location), 
        total AS TOTAL_ROWS_IN_INPUT_TABLE, 
        100*(double)COUNT(t)/(double)total AS PERCENTAGE_TRUE_IN_INPUT_TABLE;
};

---

您需要同时按

年份

和

位置

进行分组，这需要进行两次修改。首先，将

Location

添加到GROUPBY语句中。其次，将

展平（组）为年份

更改为

展平（组）为（年份、位置）

，因为

组

现在是一个包含两个字段的元组

grp = group inpt by (Year, Location);
result = FOREACH grp {
    total = COUNT(inpt);
    t = FILTER inpt BY New_client == 'true';
    GENERATE 
        FLATTEN(group) AS (Year, Location), 
        total AS TOTAL_ROWS_IN_INPUT_TABLE, 
        100*(double)COUNT(t)/(double)total AS PERCENTAGE_TRUE_IN_INPUT_TABLE;
};

---

已测试此代码，看起来适合我：

A = LOAD ...
B = GROUP A BY (year, location);
C = FOREACH B  {
    TRUE_CNT = FILTER A BY (chararray)new_client == 'true';
    GENERATE group.year, group.location, (int)((float)COUNT(TRUE_CNT) / COUNT(A) * 100);
}

DUMP C;
(2017,Paris,100)
(2018,Paris,66)
(2018,London,100)
(2018,Madrid,50)

---

已测试此代码，看起来适合我：

A = LOAD ...
B = GROUP A BY (year, location);
C = FOREACH B  {
    TRUE_CNT = FILTER A BY (chararray)new_client == 'true';
    GENERATE group.year, group.location, (int)((float)COUNT(TRUE_CNT) / COUNT(A) * 100);
}

DUMP C;
(2017,Paris,100)
(2018,Paris,66)
(2018,London,100)
(2018,Madrid,50)