Megosztás a következőn keresztül:

histogram_numeric összesítő függvény

A következőre vonatkozik:kipipálva igen Databricks SQL kipipálva igen Databricks Runtime 10.2 és újabb

Hisztogramot számít ki a exprnumBins darab tároló használatával.

Szintaxis

histogram_numeric ( [ALL | DISTINCT ] expr, numBins ) [ FILTER ( WHERE cond ) ]

Argumentumok

  • expr: Egy numerikus, TIMESTAMP, DATE vagy INTERVAL kifejezés, amelyen a függvény meghatározza és kiszámítja a hisztogramot.
  • numBins: Egy INTEGER literál, amelynek nagyobbnak kell lennie 1-nél, megadva a hisztogram kiszámításához szükséges tárolók számát.
  • cond: Nem kötelező BOOLEAN kifejezés, amely összesítésre szűri a sorokat.

Visszaküldések

A visszatérési érték egy ARRAY típusú STRUCTS, amelynek mezői x és y a hisztogram tárolóinak középpontját ábrázolják. A x típusa megegyezik a expr típusával, és a y típusa DOUBLE. A numBins értékének növelése finomítja a hisztogram közelítését, ezáltal részletesebbé téve azt. Azonban a kiugró értékek körül is létrehozhat összetevőket. A hisztogramok esetében általában 20–40 tároló érvényes, bár a ferde vagy kisebb adatkészletek több tárolót igényelhetnek. Vegye figyelembe, hogy ez a függvény nem egységes tárolószélességű hisztogramot hoz létre. A hisztogram közép-négyzetes hibájára vonatkozóan nem nyújt garanciát, de a gyakorlatban összehasonlítható más számítási csomagok által előállított hisztogramokkal.

A beállítással DISTINCT a függvény csak egyedi értékkészleten expr működik.

Példák

> SELECT histogram_numeric(col, 5)
    FROM VALUES (0), (1), (2), (10) AS tab(col);
 [{"x":0.0,"y":1.0},{"x":1.0,"y":1.0},{"x":2.0,"y":1.0},{"x":10.0,"y":1.0}]

> SELECT histogram_numeric(col, 5)
    FROM VALUES (0L), (1L), (2L), (10L) AS tab(col);
 [{"x":0,"y":1.0},{"x":1,"y":1.0},{"x":2,"y":1.0},{"x":10,"y":1.0}]

> SELECT histogram_numeric(col, 5)
    FROM VALUES (0F), (1F), (2F), (10F) AS tab(col);
 [{"x":0.0,"y":1.0},{"x":1.0,"y":1.0},{"x":2.0,"y":1.0},{"x":10.0,"y":1.0}]

> SELECT histogram_numeric(col, 5)
    FROM VALUES (0D), (1D), (2D), (10D) AS tab(col);
 [{"x":0.0,"y":1.0},{"x":1.0,"y":1.0},{"x":2.0,"y":1.0},{"x":10.0,"y":1.0}]

> SELECT histogram_numeric(col, 5)
    FROM VALUES (INTERVAL 0 YEAR), (INTERVAL 1 YEAR), (INTERVAL 2 YEAR),
    (INTERVAL 3 YEAR) AS tab(col);
 [{"x":0-0,"y":1.0},{"x":1-0,"y":1.0},{"x":2-0,"y":1.0},{"x":3-0,"y":1.0}]

> SELECT histogram_numeric(col, 5)
    FROM VALUES (INTERVAL 0 DAY), (INTERVAL 1 DAY), (INTERVAL 2 DAY),
    (INTERVAL 3 DAY) AS tab(col);
  [{"x":0 00:00:00.000000000,"y":1.0},{"x":1 00:00:00.000000000,"y":1.0},{"x":2 00:00:00.000000000,"y":1.0},{"x":3 00:00:00.000000000,"y":1.0}]

> SELECT histogram_numeric(col, 5)
    FROM VALUES (TIMESTAMP '2020-01-01'), (TIMESTAMP'2020-02-01'),
    (TIMESTAMP'2020-03-01'), (TIMESTAMP'2020-10-01') AS tab(col)
  [{"x":2020-01-01 00:00:00,"y":1.0},{"x":2020-02-01 00:00:00,"y":1.0},{"x":2020-03-01 00:00:00,"y":1.0},{"x":2020-10-01 00:00:00,"y":1.0}]