histogram() 函数

histogram() 通过计算数据频率列表中的数据频率来近似数据集的累积分布。

bin 由上限定义，其中所有小于或等于该上限的数据点都将计入该 bin 中。 Bin 计数是累积的。

每个输入表都将转换为表示单个直方图的单个输出表。 每个输出表都具有与相应输入表相同的组键。 不属于组键的列将被删除。 输出表包括用于 bin 上限和计数的其他列。

函数类型签名

(
    <-tables: stream[A],
    bins: [float],
    ?column: string,
    ?countColumn: string,
    ?normalize: bool,
    ?upperBoundColumn: string,
) => stream[B] where A: Record, B: Record

参数

column

包含输入值的列。 列的类型必须为 float。 默认为_value。

upperBoundColumn

用于存储 bin 上限的列。 默认为le。

countColumn

用于存储 bin 计数的列。 默认为_value。

bins

(必需) 用于计算直方图频率的上限列表。

Bins 应包含一个 bin，其边界是数据集的最大值。 如果不知道最大值，则可以将此值设置为正无穷大。

Bin 辅助函数

以下辅助函数可用于生成 bins。

• linearBins()
• logarithmicBins()

normalize

将计数转换为 0 到 1 之间的频率值。 默认为false。

注意：规范化的直方图无法通过对计数求和进行聚合。

tables

输入数据。 默认为管道转发的数据 (<-)。

示例

• 创建累积直方图
• 使用动态生成的 bins 创建累积直方图

创建累积直方图

import "sampledata"

sampledata.float()
    |> histogram(bins: [0.0, 5.0, 10.0, 20.0])

使用动态生成的 bins 创建累积直方图

import "sampledata"

sampledata.float()
    |> histogram(bins: linearBins(start: 0.0, width: 4.0, count: 3))