在Spark SQL中使用COUNT和GROUP BY

Question

我正在尝试获得非常基本的输出，以提取唯一的NDC药品编码并计算服用每种药物的唯一患者的数量。 我的数据集基本上是这样的：

patient_id | drug_ndc
---------------------
01         | 250
02         | 725       
03         | 1075
04         | 1075
05         | 250
06         | 250

我希望输出看起来像这样：

NDC  | Patients
--------------
250  |  3
1075 |  2
725  |  1

我试过使用一些这样的查询：

select distinct drug_ndc as NDC, count patient_id as Patients
from table 1
group by 1
order by 1

但是我不断出错。 我试过使用或不使用别名，但都无济于事。

Answer 1

正确的语法应为：

select drug_ndc as NDC, count(*) as Patients
from table 1
group by drug_ndc
order by 1;

SELECT DISTINCT几乎不适合GROUP BY 。 除非患者ID可以为NULL否则您可以使用COUNT(*) 。

Answer 2

要获得独特患者的数量，您应该执行以下操作：

select drug_ndc as NDC, count(distinct patient_id) as Patients
from table 1
group by drug_ndc;