histogram() 函数

histogram() 通过对一系列区间中的数据频率进行计数来近似数据集的累积分布。

一个区间由一个上界定义，其中所有小于或等于该界的所有数据点都被计入该区间。区间计数是累积的。

每个输入表被转换为一个表示单个直方图的单个输出表。每个输出表具有与相应输入表相同的分组键。不属于分组键的列将被删除。输出表包括用于上界和区间计数的附加列。

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

列

包含输入值的列。列必须是浮点类型。默认为 _value。

upperBoundColumn

用于存储区间上界的列。默认为 le。

countColumn

用于存储区间计数的列。默认为 _value。

bins

(必需) 当计算直方图频率时使用的上界列表。

区间应包含一个区间，其界限是数据集的最大值。如果不知道最大值，此值可以设置为正无穷大。

区间辅助函数

以下辅助函数可用于生成区间。

• linearBins()
• logarithmicBins()

normalize

将计数转换为介于 0 和 1 之间的频率值。默认为 false。

注意：归一化直方图无法通过求和其计数进行聚合。

tables

输入数据。默认为管道前传数据 (<-)。

示例

• 创建累积直方图
• 创建具有动态生成区间的累积直方图

创建累积直方图

import "sampledata"

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

创建具有动态生成区间的累积直方图

import "sampledata"

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