HISTOGRAM (Lakehouse v1)

Génère un histogramme de distribution des données selon une stratégie de regroupement en buckets de « hauteur égale ».

Syntaxe Analyze

func.histogram(<expr>)

Exemples Analyze

Consultez l’exemple SQL pour plus de détails.

Syntaxe SQL

HISTOGRAM(<expr>)

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

Paramètre	Description
expr	Le type de données de expr doit pouvoir être trié.
max_num_buckets	Entier positif facultatif indiquant le nombre maximal de buckets. La valeur par défaut est 128.

Type de retour

Renvoie soit une chaîne vide, soit un objet JSON ayant la structure suivante :

• buckets : liste des buckets avec des informations détaillées :
  • lower : borne inférieure du bucket.
  • upper : borne supérieure du bucket.
  • count : nombre d’éléments dans le bucket.
  • pre_sum : nombre cumulé d’éléments jusqu’au bucket courant.
  • ndv : nombre de valeurs distinctes dans le bucket.

Exemples SQL

Cet exemple montre comment la fonction HISTOGRAM analyse la distribution des valeurs de c_int dans la table histagg, en renvoyant les limites des buckets, le nombre de valeurs distinctes, le nombre d’éléments et les nombres cumulés :

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

Le résultat est renvoyé sous la forme d’un tableau 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
  }
]

Cet exemple montre comment HISTOGRAM(2) regroupe les valeurs de c_int en deux 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}] │
└───────────────────────────────────────────────────────────────────────────────────────────────────────────────────────┘

Le résultat est renvoyé sous la forme d’un tableau JSON :

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