直方图()函数

histogram() 通过计算一系列区间的数据频率来近似数据集的累积分布。

一个bin由一个上界定义，所有小于或等于该上界的数据点都计入该bin。bin计数是累积的。

每个输入表被转换为一个单独的输出表，表示一个单一的直方图。每个输出表具有与相应输入表相同的分组键。非分组键的列将被删除。输出表包括用于上限和桶计数的附加列。

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。列必须是浮点型。 默认值为 _value。

上界列

用于存储区间上限的列。默认值是 le。

计数列

存储桶计数的列。默认为 _value。

箱子

(必填) 用于计算直方图频率的上限列表。

分箱应该包含一个边界为数据集最大值的箱子。如果不知道最大值，可以将此值设置为正无穷大。

二进制助手函数

以下辅助函数可用于生成区间。

• 线性区间()
• 对数箱()

标准化

将计数转换为介于 0 和 1 之间的频率值。默认值是 false。

注意: 归一化的直方图不能通过将其计数相加来聚合。

表格

输入数据。默认是管道转发数据 (<-).

示例

• 创建一个累积直方图
• 创建一个具有动态生成的区间的累积直方图

创建累积直方图

import "sampledata"

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

创建一个具有动态生成区间的累积分布直方图

import "sampledata"

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