猪脚本循环计算平均值

Question

我有使用 aws emr 的猪运行看起来像的数据。这些列称为型号、年份、units_sold、total_customers.

chevy     1900     1000    49
chevy     1901     73      92
chevy     1902     45      65
chevy     1903     300     75
ford      1900     35      12
ford      1901     777     32
ford      1902     932     484
ford      1903     33      15

我想做的是计算每种车型的平均值。平均值的计算方法是将 units_sold 的总和除以 total_customers 的总和。所以期望的结果看起来像

chevy    (1000+73+45+300) / (49+92+65+75) = 5.04
ford     (35+777+932+33) / (12+32+484+15) = 3.27

在我的脚本中我有

A = *Step to load data*;
B = GROUP A by year;
C = results = FOREACH B GENERATE SUM(units_sold)/SUM(total_customers);
dump C;

这个returns不正确result.How我能得到看起来像

的结果吗

chevy    5.04
ford     3.27

Answer 1

看来您需要按车型而不是年份分组。此外，如果 units_sold 和 total_customers 是整数，如果您不想要四舍五入的结果，则可能需要强制转换为浮点数。尝试：

B = GROUP A by model;
C = FOREACH B GENERATE (float)SUM(units_sold)/(float)SUM(total_customers);

猪脚本循环计算平均值

pig script loop though calculate averages

apache-pig

amazon-emr