ThinkChat2.0新版上线,更智能更精彩,支持会话、画图、阅读、搜索等,送10W Token,即刻开启你的AI之旅 广告
# Matrix Stats(矩阵统计) **matrix_stats** 聚合是一个数字聚合,它会对一组文档字段计算以下统计数据: | count | 计算中每个字段样本的数量 | | mean | 每个字段的平均值。 | | variance | 每个字段测量如何从mean 值展开样本。 | | skewness | 每个字段测量量化mean周围的不对称分布。 | | kurtosis | 每个字段测量量化分布的形状。 | | covariance | 一个矩阵描述一个字段与另一个相关联字段的变化。 | | correlation | 协方差矩阵缩放到-1到1的范围。描述字段分布之间的关系。 | 以下示例演示了使用矩阵统计来描述收入与贫困之间的关系。 | `{` `"aggs"``: {` `"matrixstats"``: {` `"matrix_stats"``: {` `"fields"``: [``"poverty"``, ``"income"``]` `}` `}` `}` `}` | 聚合类型是matrix_stats,字段设置定义用于计算统计信息的字段集(作为数组)。上述请求返回以下响应: | `{` `...` `"aggregations"``: {` `"matrixstats"``: {` `"fields"``: [{` `"name"``: ``"income"``,` `"count"``: ``50``,` `"mean"``: ``51985.1``,` `"variance"``: ``7``.383377037755103E7,` `"skewness"``: ``0.5595114003506483``,` `"kurtosis"``: ``2.5692365287787124``,` `"covariance"``: {` `"income"``: ``7``.383377037755103E7,` `"poverty"``: -``21093.65836734694` `},` `"correlation"``: {` `"income"``: ``1.0``,` `"poverty"``: -``0.8352655256272504` `}` `}, {` `"name"``: ``"poverty"``,` `"count"``: ``50``,` `"mean"``: ``12.732000000000001``,` `"variance"``: ``8.637730612244896``,` `"skewness"``: ``0.4516049811903419``,` `"kurtosis"``: ``2.8615929677997767``,` `"covariance"``: {` `"income"``: -``21093.65836734694``,` `"poverty"``: ``8.637730612244896` `},` `"correlation"``: {` `"income"``: -``0.8352655256272504``,` `"poverty"``: ``1.0` `}` `}]` `}` `}` `}` | ## Multi Value Fields matrix_stats聚合将每个文档字段视为独立样本。 mode参数控制聚合将用于数组或多值字段的数组值。此参数可以采取以下之一: | avg | (默认值)使用所有值的平均值。 | | min | 选择最低值。 | | max | 选择最大值. | | sum | 使用所有值的总和。 | | median | 使用所有值的中值。 | ## Missing Values 缺少的参数定义了如何处理缺少值的文档。默认情况下,它们将被忽略,但也可以将它们视为具有值。这是通过添加一组fieldname:值映射来指定每个字段的默认值来完成的。 | `{` `"aggs"``: {` `"matrixstats"``: {` `"matrix_stats"``: {` `"fields"``: [``"poverty"``, ``"income"``],` `"missing"``: {``"income"` `: ``50000``}  ``1` `}` `}` `}` `}` | | 1 | 收入字段中没有值的文档的默认值为50000。 | ## Script 此聚合系列尚不支持脚本。