在Oracle中创建直方图/频率分布的最佳方式

Question

我有一个events表，它有两列eventkey（唯一的，主键）和createtime，它将事件的创建时间存储在NUMBER列中，作为自1970年1月1日以来的毫秒数。

我想创建一个"直方图"或频率分布，向我显示过去一周中每小时创建了多少个事件。

这是在Oracle中使用width_bucket()函数编写此类查询的最佳方式吗？是否可以使用其他Oracle分析函数之一来推导每个存储桶中的行数，而不是使用width_bucket来确定每一行属于哪个存储桶编号，并在此基础上进行count(*)？

-- 1305504000000 = 5/16/2011 12:00am GMT
-- 1306108800000 = 5/23/2011 12:00am GMT
select 
timestamp '1970-01-01 00:00:00' + numtodsinterval((1305504000000/1000 + (bucket * 60 * 60)), 'second') period_start,
numevents
from (
  select bucket, count(*) as events from (
    select eventkey, createtime, 
    width_bucket(createtime, 1305504000000, 1306108800000, 24 * 7) bucket
    from events 
    where createtime between 1305504000000 and 1306108800000
  ) group by bucket
) 
order by period_start

Answer 1

如果您的createtime是一个日期列，这将是微不足道的：

SELECT TO_CHAR(CREATE_TIME, 'DAY:HH24'), COUNT(*) 
  FROM EVENTS
 GROUP BY TO_CHAR(CREATE_TIME, 'DAY:HH24');

事实上，铸造createtime柱并不太难：

select TO_CHAR( 
         TO_DATE('19700101', 'YYYYMMDD') + createtime / 86400000), 
         'DAY:HH24') AS BUCKET, COUNT(*)
   FROM EVENTS
  WHERE createtime between 1305504000000 and 1306108800000
 group by TO_CHAR( 
         TO_DATE('19700101', 'YYYYMMDD') + createtime / 86400000), 
         'DAY:HH24') 
 order by 1

---

或者，如果你正在寻找fencepost值（例如，我从第一个十分位数（0-10%）到下一个十分位数的位置（11-20%），你可以这样做：

select min(createtime) over (partition by decile) as decile_start,
       max(createtime) over (partition by decile) as decile_end,
       decile
  from (select createtime, 
               ntile (10) over (order by createtime asc) as decile
          from events
         where createtime between 1305504000000 and 1306108800000
       )

Answer 2

我不熟悉Oracle的日期函数，但我很确定有一种等效的方式来编写Postgres语句：

select date_trunc('hour', stamp), count(*)
from your_data
group by date_trunc('hour', stamp)
order by date_trunc('hour', stamp)

Answer 3

与Adam的响应几乎相同，但我更喜欢将period_start保留为时间字段，以便在需要时更容易进行进一步筛选：

with
events as
(
    select rownum eventkey, round(dbms_random.value(1305504000000, 1306108800000)) createtime
    from dual
    connect by level <= 1000 
)
select
    trunc(timestamp '1970-01-01 00:00:00' + numtodsinterval(createtime/1000, 'second'), 'HH') period_start,
    count(*) numevents
from
    events
where
    createtime between 1305504000000 and 1306108800000
group by
    trunc(timestamp '1970-01-01 00:00:00' + numtodsinterval(createtime/1000, 'second'), 'HH')
order by
    period_start

Answer 4

使用oracle提供的函数"WIDTH_BUCKET"来累积连续或精细的离散数据。以下示例显示了一种创建具有5个桶的直方图并收集510到520的"COLUMN_VALUE"的方法（因此每个桶的值范围为2）。WIDTH_BUCKET将为低于最小值和高于最大值的值创建额外的id=0和num_buckets+1个BUCKET。

SELECT "BUCKET_ID", count(*), 
CASE
    WHEN "BUCKET_ID"=0 THEN -1/0F
    ELSE 510+(520-510)/5*("BUCKET_ID"-1)
END "BUCKET_MIN",
CASE
    WHEN "BUCKET_ID"=5+1 THEN 1/0F
    ELSE 510+(520-510)/5*("BUCKET_ID")
END "BUCKET_MAX"
FROM 
(
    SELECT  "COLUMN_VALUE", 
            WIDTH_BUCKET("COLUMN_VALUE", 510, 520, 5) "BUCKET_ID"
    FROM "MY_TABLE"
)
group by "BUCKET_ID"
ORDER BY "BUCKET_ID";

样本输出

 BUCKET_ID   COUNT(*) BUCKET_MIN BUCKET_MAX
---------- ---------- ---------- ----------
         0         45       -Inf   5.1E+002
         1        220   5.1E+002  5.12E+002
         2        189  5.12E+002  5.14E+002
         3         43  5.14E+002  5.16E+002
         4          3  5.16E+002  5.18E+002

在我的表中，没有518-520，所以id为5的bucket没有显示。另一方面，有低于min（510）的值，所以有一个id＝0的bucket，将-inf收集到510个值。