hadoop - 根据 Pig 中一列的每个唯一值的计数创建列

Question

我有一个数据集，例如:

UserID Item EventType
  001   A     Buy
  001   B     Sell
  031   A     Sell
  008   C     Buy
  001   C     Buy
  001   A     Buy
  008   C     Sell

如何将 EventType 列拆分为每个事件的不同列。也就是说，我想要两个新列 EventType_Buy 和 EventType_Sell，其中包含每个 UserID 和 Item 对的这些事件的发生次数。

所以输出应该是这样的:

UserID Item EventType_Buy EventType_Sell
  001   A         2              0
  001   B         0              1  
  001   C         1              0  
  008   C         1              1  
  031   A         0              1          

我对排序不太感兴趣，但我计划稍后在 R 中使用此数据，因此我需要一些帮助来尝试执行此拆分为列计数。

我已经尝试为每个事件类型创建单独的对象并按 UserID 和 Item 分组，生成计数并尝试加入这些对象，但我没有取得太大的成功。

Answer 1

Ref : https://pig.apache.org/docs/r0.14.0/basic.html#foreach

pig 脚本:

input_data = LOAD 'input.csv' USING PigStorage(',') AS (user_id:chararray,item:chararray,event_type:chararray);

req_stats = FOREACH(GROUP input_data BY (user_id,item)) {
                buy_bag = FILTER input_data BY event_type == 'Buy';
                sell_bag = FILTER input_data BY event_type == 'Sell';
                GENERATE FLATTEN(group) AS (user_id,item), COUNT(buy_bag) AS event_type_buy, COUNT(sell_bag) AS event_type_sell; 
};

DUMP req_stats;

输入:

001,A,Buy
001,B,Sell
031,A,Sell
008,C,Buy
001,C,Buy
001,A,Buy
008,C,Sell

输出:DUMP req_stats

(001,A,2,0)
(001,B,0,1)
(001,C,1,0)
(008,C,1,1)
(031,A,0,1)