› › ›

Агрегация Normalize

Родительская агрегация-канал, которая рассчитывает специфическое нормализованное/изменённое значение для конкретного значения корзины. Значения, которые нельзя нормализовать, будут пропущены с использованием политики пропуска пропуска пропусков.

Синтаксис

Агрегация normalize выглядит следующим образом:

{
  "normalize": {
    "buckets_path": "normalized",
    "method": "percent_of_sum"
  }
}

Таблица 77. normalize_pipeline Параметры

Имя параметра	Описание	Обязательно	Значение по умолчанию
`buckets_path`	Путь к корзинам, которые мы хотим нормализовать (см. `buckets_path` синтаксис для получения более подробной информации)	Обязательно
`method`	Конкретный метод для применения	Обязательно
`format`	Шаблон DecimalFormat для выходного значения. Если указано, отформатированное значение возвращается в свойстве `value_as_string` агрегации	Необязательно	`null`

Методы

Агрегация Normalize поддерживает несколько методов преобразования значений корзины. Каждое определение метода будет использовать следующий исходный набор значений корзины в качестве примера: [5, 5, 10, 50, 10, 20].

rescale_0_1

Этот метод масштабирует данные таким образом, что минимальное число равно нулю, а максимальное число равно 1, при этом остальные значения нормализуются линейно между ними.

x' = (x - min_x) / (max_x - min_x)

[0, 0, .1111, 1, .1111, .3333]

rescale_0_100

Этот метод масштабирует данные таким образом, что минимальное число равно нулю, а максимальное число равно 100, при этом остальные значения нормализуются линейно между ними.

x' = 100 * (x - min_x) / (max_x - min_x)

[0, 0, 11.11, 100, 11.11, 33.33]

percent_of_sum

Этот метод нормализует каждое значение таким образом, чтобы оно представляло собой процент от общей суммы, к которой оно относится.

x' = x / sum_x

[5%, 5%, 10%, 50%, 10%, 20%]

mean

Этот метод нормализует таким образом, что каждое значение нормализуется в зависимости от того, насколько оно отличается от среднего значения.

x' = (x - mean_x) / (max_x - min_x)

[4.63, 4.63, 9.63, 49.63, 9.63, 9.63, 19.63]

z-score

Этот метод нормализует таким образом, что каждое значение представляет собой расстояние от среднего значения относительно стандартного отклонения.

x' = (x - mean_x) / stdev_x

[-0.68, -0.68, -0.39, 1.94, -0.39, 0.19]

softmax

Этот метод нормализует таким образом, что каждое значение возводится в степень и относится к сумме показателей степеней исходных значений.

x' = e^x / sum_e_x

[2.862E-20, 2.862E-20, 4.248E-18, 0.999, 9.357E-14, 4.248E-18]

Пример

Следующий фрагмент рассчитывает процент от общей суммы продаж за каждый месяц:

resp = client.search(
    index="sales",
    size=0,
    aggs={
        "sales_per_month": {
            "date_histogram": {
                "field": "date",
                "calendar_interval": "month"
            },
            "aggs": {
                "sales": {
                    "sum": {
                        "field": "price"
                    }
                },
                "percent_of_total_sales": {
                    "normalize": {
                        "buckets_path": "sales",
                        "method": "percent_of_sum",
                        "format": "00.00%"
                    }
                }
            }
        }
    },
)
print(resp)

response = client.search(
  index: 'sales',
  body: {
    size: 0,
    aggregations: {
      sales_per_month: {
        date_histogram: {
          field: 'date',
          calendar_interval: 'month'
        },
        aggregations: {
          sales: {
            sum: {
              field: 'price'
            }
          },
          percent_of_total_sales: {
            normalize: {
              buckets_path: 'sales',
              method: 'percent_of_sum',
              format: '00.00%'
            }
          }
        }
      }
    }
  }
)
puts response

const response = await client.search({
  index: "sales",
  size: 0,
  aggs: {
    sales_per_month: {
      date_histogram: {
        field: "date",
        calendar_interval: "month",
      },
      aggs: {
        sales: {
          sum: {
            field: "price",
          },
        },
        percent_of_total_sales: {
          normalize: {
            buckets_path: "sales",
            method: "percent_of_sum",
            format: "00.00%",
          },
        },
      },
    },
  },
});
console.log(response);

POST /sales/_search
{
  "size": 0,
  "aggs": {
    "sales_per_month": {
      "date_histogram": {
        "field": "date",
        "calendar_interval": "month"
      },
      "aggs": {
        "sales": {
          "sum": {
            "field": "price"
          }
        },
        "percent_of_total_sales": {
          "normalize": {
            "buckets_path": "sales",          
            "method": "percent_of_sum",       
            "format": "00.00%"                
          }
        }
      }
    }
  }
}

	`buckets_path` указывает этой агрегации normalize использовать вывод агрегации `sales` для масштабирования
	`method` устанавливает, какое масштабирование следует применить. В данном случае `percent_of_sum` рассчитает значение продаж как процент от всех продаж в родительской корзине
	`format` влияет на то, как отформатировать метрику в виде строки с использованием шаблона Java `DecimalFormat`. В данном случае, умножение на 100 и добавление %

И возможен следующий ответ:

{
   "took": 11,
   "timed_out": false,
   "_shards": ...,
   "hits": ...,
   "aggregations": {
      "sales_per_month": {
         "buckets": [
            {
               "key_as_string": "2015/01/01 00:00:00",
               "key": 1420070400000,
               "doc_count": 3,
               "sales": {
                  "value": 550.0
               },
               "percent_of_total_sales": {
                  "value": 0.5583756345177665,
                  "value_as_string": "55.84%"
               }
            },
            {
               "key_as_string": "2015/02/01 00:00:00",
               "key": 1422748800000,
               "doc_count": 2,
               "sales": {
                  "value": 60.0
               },
               "percent_of_total_sales": {
                  "value": 0.06091370558375635,
                  "value_as_string": "06.09%"
               }
            },
            {
               "key_as_string": "2015/03/01 00:00:00",
               "key": 1425168000000,
               "doc_count": 2,
               "sales": {
                  "value": 375.0
               },
               "percent_of_total_sales": {
                  "value": 0.38071065989847713,
                  "value_as_string": "38.07%"
               }
            }
         ]
      }
   }
}

© 2023-2025 Elasticsearch
As of September 2024, Elasticsearch is available under a choice of three licenses: the Server Side Public License (SSPL), the Elastic License, or the AGPLv3 (OSI approved).
Elasticsearch and the Elasticsearch logo are trademarks of Elasticsearch B.V., registered in the U.S. and in other countries.
https://www.elastic.co/guide/en/elasticsearch/reference/8.17/search-aggregations-pipeline-normalize-aggregation.html