前言
作为数据分析师每个SQL数据库的函数以及使用技能操作都得点满,尤其是关于统计函数的使用方法。关于统计出数据的中位数,众数和分位数的方法必须掌握几种,一般在实际业务上大部分都是以写SQL查询为主,因为如果想用Python的Pandas去做数据分析还得将数据导出来读出来,输出了结果还得再倒进去,十分的麻烦。若是能在SQL上面直接处理简单问题,那么效率要远高于导出做Pandas处理。本篇文章主要介绍percentile分位数函数使用方法,后几篇文章将主要详解每个SQL中统计函数的使用方法,感兴趣觉得帮助大的朋友可以关注。本篇博客博主将长期维护,若有错误请在评论区指出。
HiveSQL中关于分位数的计算主要是通过percentile()和percentile_approx()这两个函数来实现。
一、percentile()
函数使用语法:
percentile(col, p)
参数说明:
col:指定需要计算的列名,并且列的值必须为int类型。
p:指定得到的分位数数值,取值范围为[0,1],若为0.5则为中位数,若为0.75则为四分之三分位数,依此类推。
示例使用:
SELECT percentile(num,0.2) as two_parts#取二分位数 FROM dbbasename.table
另外还可以已数列的方式输入p,则也回返回一个数列,包含其输入数列对应的百分位数:
1. SELECT percentile(num,array(0.2,0.4,0.6)) as parts#取二分位数 2. FROM dbbasename.table
二、percentile_approx()
函数使用语法:
percentile_approx(DOUBLE col,p,B)
求近似的第p个百分位数,p必须介于0和1之间,返回类型为double,但是col字段支持浮点类型。参数B控制内存消耗的近似精度,B越大,结果的精度越高。默认值为10000。当col字段中的distinct值的个数小于B时,结果就为准确的百分位数。
SELECT percentile_approx(num,0.2,9999) as two_parts#取二分位数 FROM dbbasename.table
当然一样也能输出数列:
1. SELECT percentile_approx(num,array(0.25,0.5,0.75)) as parts#取二分位数 2. FROM dbbasename.table