HISTOGRAM (Lakehouse v1)

Generuje histogram rozkładu danych przy użyciu strategii grupowania „o równej wysokości”.

Składnia Analyze

func.histogram(<expr>)

Przykłady Analyze

Szczegóły znajdziesz w przykładzie SQL

Składnia SQL

HISTOGRAM(<expr>)

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

Parametr	Opis
expr	Typ danych expr powinien umożliwiać sortowanie.
max_num_buckets	Opcjonalna dodatnia liczba całkowita określająca maksymalną liczbę zasobników. Domyślnie 128.

Typ zwracany

Zwraca pusty ciąg znaków albo obiekt JSON o następującej strukturze:

• buckets: lista zasobników ze szczegółowymi informacjami:
  • lower: dolna granica zasobnika.
  • upper: górna granica zasobnika.
  • count: liczba elementów w zasobniku.
  • pre_sum: skumulowana liczba elementów do bieżącego zasobnika włącznie.
  • ndv: liczba unikatowych wartości w zasobniku.

Przykłady SQL

Ten przykład pokazuje, jak funkcja HISTOGRAM analizuje rozkład wartości c_int w tabeli histagg, zwracając granice zasobników, liczby unikatowych wartości, liczby elementów i liczby skumulowane:

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

Wynik jest zwracany jako tablica 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
  }
]

Ten przykład pokazuje, jak HISTOGRAM(2) grupuje wartości c_int w dwa zasobniki:

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

Wynik jest zwracany jako tablica JSON:

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