hive 学习系列之七 hive 常用数据清洗函数

秒速五厘米 2022-05-10 23:58 398阅读 0赞

### 1，case when 的利用，清洗诸如评分等的内容,用例如下。 ###

case 
       when new.comment_grade = '五星商户' then 50
       when new.comment_grade = '准五星商户' then 45
       when new.comment_grade = '四星商户' then 40
       when new.comment_grade = '准四星商户' then 35
       when new.comment_grade = '三星商户' then 30
       when new.comment_grade = '准三星商户' then 25
       when new.comment_grade = '二星商户' then 20
       when new.comment_grade = '准二星商户' then 15
       when new.comment_grade = '一星商户' then 10
       when new.comment_grade = '准一星商户' then 5
       when new.comment_grade = '该商户暂无星级' then 0
       when new.comment_grade is NULL then old.comment_grade
       else new.comment_grade
    END as `new.comment_grade`,

### 2， 替换字符串中的一些内容。 ###

regexp_replace(new.avg_price, '-', '')
    替换 avg_price 中的中划线。

### 3， 字符串切分函数 ###

split(a.tag_flag, '>')[1],
    具体例子：
    select split('a,b', ',')[0]  ===> 结果 a

### 4, 字符串拼接函数 ###

SELECT concat('1', '2');     ====》 结果 12
    SELECT concat('1', '2', '3');   ===> 结果 123 
    
    
    ### 5, 去除字符串两端空格

trim(a.city)

### 6， 使用left join 或者 right join 补全数据 ###

例如根据两张表，其中一张表格table2含有省份和城市的信息，
    其中一张表table1只有城市信息，需要补全table1 中的省份信息，可以像如下做法：
    select 
    	a.name,
    	b.province,
    	a.city
    from table1 a left join table2 b on  a.city = b.city;

### 7,其他：清除一些不符合条件的数据 ###

可以使用等值判断来处理数据
    清除一些不符合条件的数据。
    INSERT OVERWRITE table ods.js_beauty_tmp
    SELECT *
    from ods.js_beauty_tmp
    WHERE map_lat != ''
    AND map_lng != ''
    AND map_lat IS NOT NULL
    AND map_lng IS NOT NULL
    AND map_lat != 0
    AND map_lng != 0
    AND map_lat not like '-%'
    AND map_lng not like '-%'
    and city != '其他城市'
    and city != '点评实验室';