Sdílet prostřednictvím

histogram_numeric agregační funkce

  • Článek

Platí pro:zaškrtnutí označeného ano Databricks SQL zaškrtnutí označeného ano Databricks Runtime 10,2 a novější

Vypočítá histogram pomocí exprnumBins intervalů.

Syntaxe

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

Argumenty

  • expr: Číselný, , TIMESTAMPnebo DATE výraz, INTERVALkterý funkce využívá a vypočítá histogram.
  • numBins INTEGER: Literál, který musí být větší než 1, určuje počet intervalů pro výpočet histogramu.
  • cond: Volitelný BOOLEAN výraz, který filtruje řádky pro agregaci.

Návraty

Návratová hodnota je hodnota ARRAYSTRUCTS s poli x a y představuje středy intervalů histogramu. Typ x je stejný jako typ expra typ y je DOUBLE. Zvýšení hodnoty numBins zpřesnění aproximace histogramu, takže jemnější. Může ale zavést artefakty kolem odlehlých hodnot. U histogramů je obvykle efektivních 20 až 40 intervalů, i když nerovnoměrné nebo menší datové sady můžou vyžadovat více intervalů. Všimněte si, že tato funkce vytvoří histogram s nejednotnými šířkami intervalů. Nenabízí žádné záruky z hlediska střední-kvadratická chyba histogramu, ale v praxi je srovnatelné s histogramy vytvořenými jinými výpočetními balíčky.

Zadáním DISTINCT bude funkce fungovat pouze na jedinečném setexprvalues.

Příklady

> 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}]