如何从 Pig 中的关系生成自定义模式？

Question

我有一个描述各种文章中单词的 tf-idf 值的模式。 它的描述如下：

tfidf_relation: {word: chararray,id: bytearray,tfidf: double}

这是此类数据的示例：

(cat,article_one,0.13515503603605478)
(cat,article_two,0.4054651081081644)
(dog,article_one,0.3662040962227032)
(apple,article_three,0.3662040962227032)
(orange,article_three,0.3662040962227032)
(parrot,article_one,0.13515503603605478)
(parrot,article_three,0.13515503603605478)

我想以某种形式获取输出： 猫文章_一0.13515503603605478，文章_二0.4054651081081644 等等。 问题是，如何从中建立一个包含单词 field 以及 id 和 tfidf 字段元组的关系？ 像这样的事情：

X = FOREACH tfidf_relation GENERATE word, (id, tfidf);

不起作用。正确的语法是什么？

Answer 1

试试这个：

    t = LOAD 'input/file' USING PigStorage(',') as (word: chararray,id: bytearray,tfidf: double);
    u = group t by word;
    dump u;

输出将是

    (cat,{(cat,article_two,0.4054651081081644),(cat,article_one,0.13515503603605478)})
    (dog,{(dog,article_one,0.3662040962227032)})
    (apple,{(apple,article_three,0.3662040962227032)})
    (orange,{(orange,article_three,0.366204096222703)})
    (parrot,{(parrot,article_three,0.13515503603605478),
    (parrot,article_one,0.13515503603605478)})

我希望这就是您正在寻找的。

Answer 2

X = FOREACH tfidf_relation GENERATE word, {(id, tfidf)};

这可能就是您所需要的。