impala SQL分组求频数和频率

SELECT run_date

      ,category_field

      ,COUNT(*)

      ,count(*) over()

      ,count(*) over(PARTITION BY run_date)

      ,SUM(count(*)) over(PARTITION BY run_date) total_count

      ,round(COUNT(*)/SUM(count(*)) over(PARTITION BY run_date),4) AS ratio

      -- ,round(ratio_to_report(COUNT(*)),2)

FROM table

GROUP BY run_date,category_field

ORDER BY run_date,category_field

run_date 假设是跑授信的日期

category_field 假设是不同的门店

现在需按日求每个门店的跑授信的客户数

频数很简单

group by run_date,category_field，然后count(*)

现在需要每日求不同门店申请数的按日占比，即频率

round(COUNT(*)/SUM(count(*)) over(PARTITION BY run_date),4) AS ratio

这里要利用over子句，这里聚合函数SUM就充当了一个窗口函数，在每一个run_date上进行sum，count(*)仍然按照group by的分组进行正常聚合。

这里在进行一些扩展

count(*) over()是聚合后的数据集，求记录数

count(*) over(PARTITION BY run_date)是聚合后的数据集，分组求count

SUM(count(*)) over(PARTITION BY run_date) total_count 即ratio的分母

注：这里不能简单地认为外层分析函数（聚合函数是其中一种）是和over进行的配合，比如

round(COUNT(*)/SUM(count(*)) over(PARTITION BY run_date),4) AS ratio

这里SUM是和over配合，但分子COUNT(*)并不受over影响。

最后结果形如：