HISTOGRAM (Lakehouse v1)

Erzeugt ein Histogramm der Datenverteilung mit einer Bucket-Strategie „gleicher Höhe“.

Analyze-Syntax

func.histogram(<expr>)

Analyze-Beispiele

Details finden Sie im SQL-Beispiel.

SQL-Syntax

HISTOGRAM(<expr>)

-- The following two forms are equivalent:
HISTOGRAM(<max_num_buckets>)(<expr>)
HISTOGRAM(<expr> [, <max_num_buckets>])

Parameter	Beschreibung
expr	Der Datentyp von expr muss sortierbar sein.
max_num_buckets	Optionale positive Ganzzahl, die die maximale Anzahl von Buckets angibt. Standard ist 128.

Rückgabetyp

Gibt entweder eine leere Zeichenfolge oder ein JSON-Objekt mit der folgenden Struktur zurück:

• buckets: Liste von Buckets mit detaillierten Informationen:
  • lower: Untergrenze des Buckets.
  • upper: Obergrenze des Buckets.
  • count: Anzahl der Elemente im Bucket.
  • pre_sum: Kumulierte Anzahl der Elemente bis zum aktuellen Bucket.
  • ndv: Anzahl der eindeutigen Werte im Bucket.

SQL-Beispiele

Dieses Beispiel zeigt, wie die Funktion HISTOGRAM die Verteilung der c_int-Werte in der Tabelle histagg analysiert und Bucket-Grenzen, Anzahlen eindeutiger Werte, Elementanzahlen und kumulierte Anzahlen zurückgibt:

CREATE TABLE histagg (
  c_id INT,
  c_tinyint TINYINT,
  c_smallint SMALLINT,
  c_int INT
);

INSERT INTO histagg VALUES
  (1, 10, 20, 30),
  (1, 11, 21, 33),
  (1, 11, 12, 13),
  (2, 21, 22, 23),
  (2, 31, 32, 33),
  (2, 10, 20, 30);

SELECT HISTOGRAM(c_int) FROM histagg;

┌───────────────────────────────────────────────────────────────────────────────────────────────────────────────────────────────────────────────────────────────────────────────────────────────────────────────────────────────────────────┐
│                                                                                                              histogram(c_int)                                                                                                             │
├───────────────────────────────────────────────────────────────────────────────────────────────────────────────────────────────────────────────────────────────────────────────────────────────────────────────────────────────────────────┤
│ [{"lower":"13","upper":"13","ndv":1,"count":1,"pre_sum":0},{"lower":"23","upper":"23","ndv":1,"count":1,"pre_sum":1},{"lower":"30","upper":"30","ndv":1,"count":2,"pre_sum":2},{"lower":"33","upper":"33","ndv":1,"count":2,"pre_sum":4}] │
└───────────────────────────────────────────────────────────────────────────────────────────────────────────────────────────────────────────────────────────────────────────────────────────────────────────────────────────────────────────┘

Das Ergebnis wird als JSON-Array zurückgegeben:

[
  {
    "lower": "13",
    "upper": "13",
    "ndv": 1,
    "count": 1,
    "pre_sum": 0
  },
  {
    "lower": "23",
    "upper": "23",
    "ndv": 1,
    "count": 1,
    "pre_sum": 1
  },
  {
    "lower": "30",
    "upper": "30",
    "ndv": 1,
    "count": 2,
    "pre_sum": 2
  },
  {
    "lower": "33",
    "upper": "33",
    "ndv": 1,
    "count": 2,
    "pre_sum": 4
  }
]

Dieses Beispiel zeigt, wie HISTOGRAM(2) die c_int-Werte in zwei Buckets gruppiert:

SELECT HISTOGRAM(2)(c_int) FROM histagg;
-- Or
SELECT HISTOGRAM(c_int, 2) FROM histagg;

┌───────────────────────────────────────────────────────────────────────────────────────────────────────────────────────┐
│                                                  histogram(2)(c_int)                                                  │
├───────────────────────────────────────────────────────────────────────────────────────────────────────────────────────┤
│ [{"lower":"13","upper":"30","ndv":3,"count":4,"pre_sum":0},{"lower":"33","upper":"33","ndv":1,"count":2,"pre_sum":4}] │
└───────────────────────────────────────────────────────────────────────────────────────────────────────────────────────┘

Das Ergebnis wird als JSON-Array zurückgegeben:

[
  {
    "lower": "13",
    "upper": "30",
    "ndv": 3,
    "count": 4,
    "pre_sum": 0
  },
  {
    "lower": "33",
    "upper": "33",
    "ndv": 1,
    "count": 2,
    "pre_sum": 4
  }
]