深入學(xué)習(xí)Gremlin(11):統(tǒng)計(jì)運(yùn)算

第11期 Gremlin Steps:

sum()堡掏、max()应结、min()mean()

本系列文章的Gremlin示例均在HugeGraph圖數(shù)據(jù)庫上執(zhí)行泉唁,環(huán)境搭建可參考準(zhǔn)備Gremlin執(zhí)行環(huán)境鹅龄,本文示例均以其中的“TinkerPop關(guān)系圖”為初始數(shù)據(jù)。

tinkerpop關(guān)系圖

上一期:深入學(xué)習(xí)Gremlin(10):邏輯運(yùn)算

統(tǒng)計(jì)運(yùn)算說明

Gremlin可以在Number類型的流(遍歷器)上做簡單的統(tǒng)計(jì)運(yùn)算亭畜,包括計(jì)算總和扮休、最大值、最小值拴鸵、均值玷坠。

下面講解實(shí)現(xiàn)上述功能的具體Step:

  • sum():將流上的所有的數(shù)字求和;
  • max():對(duì)流上的所有的數(shù)字求最大值宝踪;
  • min():對(duì)流上的所有的數(shù)字求最小值侨糟;
  • mean():將流上的所有的數(shù)字求均值;

這四種Step只能作用在Number類型的流上瘩燥,在java里就是繼承自java.lang.Number類秕重。

實(shí)例講解

下面通過實(shí)例來深入理解每一個(gè)操作。

  1. Step sum()

    示例1:

    // 計(jì)算所有“person”的“age”的總和
    g.V().hasLabel('person').values('age').sum()
    

    示例2:

    // 計(jì)算所有“person”的“created”出邊數(shù)的總和
    g.V().hasLabel('person').map(outE('created').count()).sum()
    

    試著輸入g.V().hasLabel('person').map(outE('created').count())看看每個(gè)“person”的“created”出邊數(shù)

  2. Step max()

    示例1:

    // 計(jì)算所有“person”的“age”中的最大值
    g.V().hasLabel('person').values('age').max()
    

    示例2:

    // 計(jì)算所有“person”的“created”出邊數(shù)的最大值
    g.V().hasLabel('person').map(outE('created').count()).max()
    
  3. Step min()

    示例1:

    // 計(jì)算所有“person”的“age”中的最小值
    g.V().hasLabel('person').values('age').min()
    

    示例2:

    // 計(jì)算所有“person”的“created”出邊數(shù)的最小值
    g.V().hasLabel('person').map(outE('created').count()).min()
    
  4. Step mean()

    示例1:

    // 計(jì)算所有“person”的“age”的均值
    g.V().hasLabel('person').values('age').mean()
    

    示例2:

    // 計(jì)算所有“person”的“created”出邊數(shù)的均值
    g.V().hasLabel('person').map(outE('created').count()).mean()
    

下一期:深入學(xué)習(xí)Gremlin(12):待添加

?著作權(quán)歸作者所有,轉(zhuǎn)載或內(nèi)容合作請(qǐng)聯(lián)系作者
  • 序言:七十年代末厉膀,一起剝皮案震驚了整個(gè)濱河市溶耘,隨后出現(xiàn)的幾起案子二拐,更是在濱河造成了極大的恐慌,老刑警劉巖凳兵,帶你破解...
    沈念sama閱讀 206,311評(píng)論 6 481
  • 序言:濱河連續(xù)發(fā)生了三起死亡事件百新,死亡現(xiàn)場(chǎng)離奇詭異,居然都是意外死亡庐扫,警方通過查閱死者的電腦和手機(jī)饭望,發(fā)現(xiàn)死者居然都...
    沈念sama閱讀 88,339評(píng)論 2 382
  • 文/潘曉璐 我一進(jìn)店門,熙熙樓的掌柜王于貴愁眉苦臉地迎上來形庭,“玉大人铅辞,你說我怎么就攤上這事∪眩” “怎么了斟珊?”我有些...
    開封第一講書人閱讀 152,671評(píng)論 0 342
  • 文/不壞的土叔 我叫張陵,是天一觀的道長富纸。 經(jīng)常有香客問我囤踩,道長,這世上最難降的妖魔是什么晓褪? 我笑而不...
    開封第一講書人閱讀 55,252評(píng)論 1 279
  • 正文 為了忘掉前任堵漱,我火速辦了婚禮,結(jié)果婚禮上涣仿,老公的妹妹穿的比我還像新娘怔锌。我一直安慰自己,他們只是感情好变过,可當(dāng)我...
    茶點(diǎn)故事閱讀 64,253評(píng)論 5 371
  • 文/花漫 我一把揭開白布埃元。 她就那樣靜靜地躺著,像睡著了一般媚狰。 火紅的嫁衣襯著肌膚如雪岛杀。 梳的紋絲不亂的頭發(fā)上,一...
    開封第一講書人閱讀 49,031評(píng)論 1 285
  • 那天崭孤,我揣著相機(jī)與錄音类嗤,去河邊找鬼。 笑死辨宠,一個(gè)胖子當(dāng)著我的面吹牛遗锣,可吹牛的內(nèi)容都是我干的。 我是一名探鬼主播嗤形,決...
    沈念sama閱讀 38,340評(píng)論 3 399
  • 文/蒼蘭香墨 我猛地睜開眼精偿,長吁一口氣:“原來是場(chǎng)噩夢(mèng)啊……” “哼!你這毒婦竟也來了?” 一聲冷哼從身側(cè)響起笔咽,我...
    開封第一講書人閱讀 36,973評(píng)論 0 259
  • 序言:老撾萬榮一對(duì)情侶失蹤搔预,失蹤者是張志新(化名)和其女友劉穎,沒想到半個(gè)月后叶组,有當(dāng)?shù)厝嗽跇淞掷锇l(fā)現(xiàn)了一具尸體拯田,經(jīng)...
    沈念sama閱讀 43,466評(píng)論 1 300
  • 正文 獨(dú)居荒郊野嶺守林人離奇死亡,尸身上長有42處帶血的膿包…… 初始之章·張勛 以下內(nèi)容為張勛視角 年9月15日...
    茶點(diǎn)故事閱讀 35,937評(píng)論 2 323
  • 正文 我和宋清朗相戀三年甩十,在試婚紗的時(shí)候發(fā)現(xiàn)自己被綠了船庇。 大學(xué)時(shí)的朋友給我發(fā)了我未婚夫和他白月光在一起吃飯的照片。...
    茶點(diǎn)故事閱讀 38,039評(píng)論 1 333
  • 序言:一個(gè)原本活蹦亂跳的男人離奇死亡侣监,死狀恐怖溢十,靈堂內(nèi)的尸體忽然破棺而出,到底是詐尸還是另有隱情达吞,我是刑警寧澤,帶...
    沈念sama閱讀 33,701評(píng)論 4 323
  • 正文 年R本政府宣布荒典,位于F島的核電站酪劫,受9級(jí)特大地震影響,放射性物質(zhì)發(fā)生泄漏寺董。R本人自食惡果不足惜覆糟,卻給世界環(huán)境...
    茶點(diǎn)故事閱讀 39,254評(píng)論 3 307
  • 文/蒙蒙 一、第九天 我趴在偏房一處隱蔽的房頂上張望遮咖。 院中可真熱鬧滩字,春花似錦、人聲如沸御吞。這莊子的主人今日做“春日...
    開封第一講書人閱讀 30,259評(píng)論 0 19
  • 文/蒼蘭香墨 我抬頭看了看天上的太陽陶珠。三九已至挟裂,卻和暖如春,著一層夾襖步出監(jiān)牢的瞬間揍诽,已是汗流浹背诀蓉。 一陣腳步聲響...
    開封第一講書人閱讀 31,485評(píng)論 1 262
  • 我被黑心中介騙來泰國打工, 沒想到剛下飛機(jī)就差點(diǎn)兒被人妖公主榨干…… 1. 我叫王不留暑脆,地道東北人渠啤。 一個(gè)月前我還...
    沈念sama閱讀 45,497評(píng)論 2 354
  • 正文 我出身青樓,卻偏偏與公主長得像添吗,于是被迫代替她去往敵國和親沥曹。 傳聞我的和親對(duì)象是個(gè)殘疾皇子,可洞房花燭夜當(dāng)晚...
    茶點(diǎn)故事閱讀 42,786評(píng)論 2 345

推薦閱讀更多精彩內(nèi)容

  • pyspark.sql模塊 模塊上下文 Spark SQL和DataFrames的重要類: pyspark.sql...
    mpro閱讀 9,446評(píng)論 0 13
  • Spring Cloud為開發(fā)人員提供了快速構(gòu)建分布式系統(tǒng)中一些常見模式的工具(例如配置管理,服務(wù)發(fā)現(xiàn)架专,斷路器同窘,智...
    卡卡羅2017閱讀 134,599評(píng)論 18 139
  • rljs by sennchi Timeline of History Part One The Cognitiv...
    sennchi閱讀 7,292評(píng)論 0 10
  • 在我們重復(fù)做一些事情的時(shí)候,就需要使用循環(huán)了部脚。而 AHK 正是能將復(fù)雜的手動(dòng)工作自動(dòng)化的工具想邦,循環(huán)自然必不可少。但...
    陌辭寒閱讀 11,976評(píng)論 2 4
  • 嗨委刘,你相信人有重生嗎丧没?你時(shí)常會(huì)想出和做一些同齡人不可理解的事情嗎?估計(jì)你們大部分人是不會(huì)的锡移,而我一個(gè)已過25的人呕童,...
    易文偉律師閱讀 804評(píng)論 1 2