Udostępnij za pośrednictwem

histogram_numeric funkcja agregacji

  • Artykuł

Dotyczy: zaznacz pole wyboru oznaczone jako tak Databricks SQL zaznacz pole wyboru oznaczone jako tak Databricks Runtime 10,2 i nowsze

Oblicza histogram przy expr użyciu numBins pojemników.

Składnia

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

Argumenty

  • expr: numeryczne, TIMESTAMP, DATElub INTERVAL wyrażenie używane przez funkcję i oblicza histogram na.
  • numBinsINTEGER: literał, który musi być większy niż 1, określając liczbę pojemników na potrzeby obliczeń histogramu.
  • cond: opcjonalne BOOLEAN wyrażenie, które filtruje wiersze pod kątem agregacji.

Zwraca

Wartość zwracana ARRAY jest wartością STRUCTS z polami x i y reprezentującą centra pojemników histogramu. Typ x jest taki sam jak typ expr, a typ y to DOUBLE. Zwiększenie wartości numBins uściślić przybliżenie histogramu, dzięki czemu jest bardziej szczegółowe. Może jednak wprowadzać artefakty wokół wartości odstających. Zazwyczaj 20–40 pojemników jest skuteczne w przypadku histogramów, chociaż niesymetryczne lub mniejsze zestawy danych mogą wymagać większej liczby pojemników. Należy pamiętać, że ta funkcja tworzy histogram o niestandardowych szerokościach pojemników. Nie oferuje żadnych gwarancji w zakresie błędu średniokwadratowego histogramu, ale w praktyce jest porównywalny z histogramami wyprodukowanymi przez inne pakiety obliczeniowe.

Określenie DISTINCT sprawia, że funkcja działa tylko na unikatowym expr zestawie wartości.

Przykłady

> 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}]