approx_top_k funzione di aggregazione

  • Articolo

Si applica a: segno di spunta sì Databricks SQL segno di spunta sì Databricks Runtime 10.4 LTS e versioni successive

Restituisce i valori degli k elementi più frequenti in un expr insieme ai relativi conteggi approssimativi.

Sintassi

approx_top_k(expr[, k[, maxItemsTracked]]) [FILTER ( WHERE cond ) ]

Questa funzione può anche essere richiamata come funzione window usando la OVER clausola .

Argomenti

  • expr: espressione di tipo STRING, BOOLEAN, DATE, TIMESTAMP o numeric.
  • k: valore letterale INTEGER facoltativo maggiore di 0. Se k non viene specificato, per impostazione predefinita viene impostato su 5.
  • maxItemsTracked: valore letterale INTEGER facoltativo maggiore o uguale a k. Se maxItemsTracked non viene specificato, per impostazione predefinita viene impostato su 10000.
  • cond: espressione booleana facoltativa che filtra le righe usate per l'aggregazione.

Valori restituiti

I risultati vengono restituiti come MATRICE di tipo STRUCT, dove ogni STRUCT contiene un item campo per il valore (con il tipo di input originale) e un count campo (di tipo LONG) con il numero approssimativo di occorrenze. La matrice viene ordinata in count ordine decrescente.

La funzione di aggregazione restituisce i valori degli k elementi più frequenti in un'espressione expr insieme ai relativi conteggi approssimativi. L'errore in ogni conteggio può essere fino al 2.0 * numRows / maxItemsTracked numRows numero totale di righe. I valori più elevati offrono maxItemsTracked una maggiore precisione a causa del costo di un maggiore utilizzo della memoria. Le espressioni con meno di maxItemsTracked elementi distinti restituiranno conteggi di elementi esatti. I risultati includono NULL valori come proprio elemento nei risultati.

Esempi

> SELECT approx_top_k(expr) FROM VALUES (0), (0), (1), (1), (2), (3), (4), (4) AS tab(expr);
 [{'item':4,'count':2},{'item':1,'count':2},{'item':0,'count':2},{'item':3,'count':1},{'item':2,'count':1}]

> SELECT approx_top_k(expr, 2) FROM VALUES 'a', 'b', 'c', 'c', 'c', 'c', 'd', 'd' AS tab(expr);
 [{'item':'c','count',4},{'item':'d','count':2}]

> SELECT approx_top_k(expr, 10, 100) FROM VALUES (0), (1), (1), (2), (2), (2) AS tab(expr);
 [{'item':2,'count':3},{'item':1,'count':2},{'item':0,'count':1}]