HISTOGRAM (Lakehouse v1)

Genera un histograma de la distribución de los datos con una estrategia de buckets de “igual altura”.

Sintaxis de Analyze

func.histogram(<expr>)

Ejemplos de Analyze

Consulte el ejemplo de SQL para obtener más información

Sintaxis de SQL

HISTOGRAM(<expr>)

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

Parámetro	Descripción
expr	El tipo de datos de expr debe poder ordenarse.
max_num_buckets	Entero positivo opcional que especifica el número máximo de buckets. El valor predeterminado es 128.

Tipo de valor devuelto

Devuelve una cadena vacía o un objeto JSON con la siguiente estructura:

• buckets: lista de buckets con información detallada:
  • lower: límite inferior del bucket.
  • upper: límite superior del bucket.
  • count: recuento de elementos del bucket.
  • pre_sum: recuento acumulado de elementos hasta el bucket actual.
  • ndv: número de valores distintos del bucket.

Ejemplos de SQL

Este ejemplo muestra cómo la función HISTOGRAM analiza la distribución de los valores de c_int en la tabla histagg y devuelve los límites de los buckets, los recuentos de valores distintos, los recuentos de elementos y los recuentos acumulados:

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}] │
└───────────────────────────────────────────────────────────────────────────────────────────────────────────────────────────────────────────────────────────────────────────────────────────────────────────────────────────────────────────┘

El resultado se devuelve como una matriz JSON:

[
  {
    "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
  }
]

Este ejemplo muestra cómo HISTOGRAM(2) agrupa los valores de c_int en dos buckets:

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}] │
└───────────────────────────────────────────────────────────────────────────────────────────────────────────────────────┘

El resultado se devuelve como una matriz JSON:

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