使用 group by 在 Athena 中计算 Mode()答案

【问题标题】：Calculate Mode() in Athena using group by使用 group by 在 Athena 中计算 Mode()
【发布时间】：2021-07-01 01:04:48
【问题描述】：

我有一个带有架构的表“A”

subject, marks

假设它有以下条目

(maths,90),(maths,90),(maths,80),(english,30),(english,30),(english,10)

我希望在“标记”列上计算 Mode()，这样

(maths,90),(english,30) is the output

无法在互联网上为 AWS Athena 找到相同的方法。任何帮助表示赞赏！

【问题讨论】：

标签： sql amazon-web-services group-by statistics amazon-athena

【解决方案1】：

使用内置的histogram函数还有一种更简洁的实现方式：

SELECT subject, 
map_keys(histogram(marks))[
  array_position(
    map_values(histogram(marks)),
    array_max(map_values(histogram(marks)))
  )] as mode
FROM (
    VALUES
  ('maths',90),
  ('maths',80),
  ('maths',80),
  ('english',30),
  ('english',30),
  ('english',10)
) AS t(subject, marks)
GROUP BY subject;

解释：

histogram(marks) 返回地图，例如 {10=1, 30=2} for 'english'
map_values 返回值数组[1,2]
array_max 返回数组 2 的最大值
array_position 返回该最大值的位置（2，第二个元素）
map_keys 返回键的数组[10,30]
最后[]返回上面位置的元素（30，第二个元素）

【讨论】：

【解决方案2】：

这个查询应该会给你想要的结果：

WITH ModeRankCTE AS 
( 
    SELECT 
        subject, 
        marks,
        COUNT(*) AS marksFrequency,
        DENSE_RANK() OVER (PARTITION BY subject ORDER BY COUNT(*) DESC) as ranking
    FROM A 
    GROUP BY subject, marks 
) 
SELECT 
    subject, 
    MIN(marks) AS highestMark, 
    marksFrequency, 
    ranking
FROM ModeRankCTE
WHERE ranking = 1
GROUP BY subject, marksFrequency, ranking

【讨论】：