从数据库生成直方图

Question

在 MySQL 数据库中，有一个带有单个数字 value 列的表。我想将这些值的分布绘制为具有以下要求的条形图/直方图：

• 图表中最多应有 N 个柱（区间）
• 每个条形的宽度（x 轴范围）应一致，每个条形的高度应反映此区间中值的数量。
• 条形的端点应以整数出现。我知道这是一个相当模糊的要求，但希望以下示例能够说明我的意思
• 间隔应该是连续的，例如下一个间隔应该从前一个结束的地方开始
• 理想情况下，应该可以通过单个查询检索数据
• 间隔计数（y 轴值）为 0 是可以的
• 如果第一个区间的下限小于最小值value 和/或最后一个区间的上限大于最大值value，则可以

示例

如果 N = 3 并且表包含以下数据

+------------+
| value      |
+------------+
|     -49.2  |
|     -28.2  |
|      13.3  |
|      23.3  |
|      51.4  |
|      77.9  |
+------------+

检查时很容易看出间隔{-50..0, 0..50, 50..100} 满足此数据集和 N 值的要求。

但是，我正在努力想出一个适用于任何 N 值和任何数据集的通用解决方案。到目前为止，这是我尝试过的：

计算间隔宽度

通过以下查询获取最大和最小value

SELECT min(value), max(value), count(*) FROM my_table

然后将结果传递给这个（Groovy/Java）方法来计算每个区间的宽度

// intervalCount is what I've referred to as "N"
static Integer getRoundedIntervalSize(Double min, Double max, Integer intervalCount) {
    Number intervalSize = Math.ceil((max - min) / intervalCount)

    Integer roundingScale = Math.log10(intervalSize) - 1
    Number roundNearest = 10 ** roundingScale

    // round up the interval size to the nearest roundNearest
    Number intervalDelta = roundNearest - (intervalSize % roundNearest)
    intervalSize + intervalDelta
}

获取频率分布

然后我使用以下查询（将getRoundedIntervalSize 返回的值替换为:groupSize）来获取每个区间中的值的数量

SELECT      floor(value / :groupSize) * :groupSize  as groupLowerLimit,
            count(*) as groupCount
FROM        my_table
GROUP BY    groupLowerLimit
ORDER BY    groupLowerLimit ASC

这将返回每个区间的下限和每个区间中的值的数量，这就是我构建频率分布所需的全部内容。

不足之处

虽然这种方法在数据集分布相对均匀时效果很好，但如果不是这种情况，它会导致间隔具有不同的宽度或不连续。此外，当数据集的范围较小（例如，1 到 4 之间的所有值）且 N 较大（例如 30）时，生成的区间数往往远小于 N。

有没有更好的方法来解决这个问题，满足上述要求？

Answer 1

我尝试了几个查询（我使用了一个带有一些坐标的表格）

获取最小值和条形尺寸：

select min( lng ) as min, ( max( lng ) - min( lng ) ) / ? as interval from address

获取分布。这些条从 0 到 N 编号，当然可能有间隙

select floor( abs( lng - :min ) / :interval ) as ix, count(*) from address group by ix order by ix

N = 30 的输出如下：

ix  count
0   31
18  10149
20  36185
21  5443
24  1
29  3

要填补空白，您需要一个时髦的单线：

def metrics = run1stQuery(..., n )
def results = run2ndQuery(.., metrics )
def fullResults = (0..n).collect{ results[ it ] ?: metrics.min } // adjust the missing value

因此，您应该获取任何 N 和最小/最大值的频率组。

HTH