Question

我有一个包含

等数据的vertica表

{{1}}

其中（1,1000）表示1000个用户收到1封电子邮件。该分布的中位数为1.

在SQL / Vertica中执行此操作的最佳方法是什么？我查看了https://my.vertica.com/docs/7.1.x/HTML/Content/Authoring/SQLReferenceManual/Functions/Analytic/MEDIANAnalytic.htm，但它似乎只在列重复n次（而不是行（column_val，n））时才有效。

Answer 1

您可以使用累积和和算术：

select avg(num_emails)
from (select t.*, sum(num_users) over (order by num_emails) as running_num_users,
             sum(num_users) over () as total_num_users
      from t
     ) t
where (running_num_users - num_users) * 2 <= total_num_users and
      running_num_users * 2 >= total_num_users;

这里的逻辑是得到运行总数是总计数的一半的点。 avg()是因为是一些特殊情况，我认为两条记录可以满足条件 - 如果有偶数用户且中位数在两组之间。

Answer 2

我确定这不是最终答案 - 我认为您没有提供正确的样本数据。我尝试了两种可能的MEDIAN（）表达式，但它们并没有真正揭示很多信息：

WITH input(num_emails,num_users) AS (
          SELECT  1,1000
UNION ALL SELECT 10,100
UNION ALL SELECT 25,50
)
SELECT
  *
, MEDIAN(num_users)  OVER() AS median_users
, MEDIAN(num_emails) OVER() AS median_emails
FROM input;

num_emails|num_users|median_users|median_emails
         1|    1,000|         100|           10
        10|      100|         100|           10
        25|       50|         100|           10

您能提供我们可以玩的数据吗？

Marco the Sane

vertica中频率分布的中位数

2 个答案: