Question

我有一个数据集，它基本上由作业批次列表，每个批次中包含的作业数量以及每个作业批次的持续时间组成。这是一个示例数据集：

CREATE TABLE test_data
(
   batch_id    NUMBER,
   job_count   NUMBER,
   duration    NUMBER
);

INSERT INTO test_data VALUES (1, 37, 9);
INSERT INTO test_data VALUES (2, 47, 4);
INSERT INTO test_data VALUES (3, 66, 6);
INSERT INTO test_data VALUES (4, 46, 6);
INSERT INTO test_data VALUES (5, 54, 1);
INSERT INTO test_data VALUES (6, 35, 1);
INSERT INTO test_data VALUES (7, 55, 9);
INSERT INTO test_data VALUES (8, 82, 7);
INSERT INTO test_data VALUES (9, 12, 9);
INSERT INTO test_data VALUES (10, 52, 4);
INSERT INTO test_data VALUES (11, 3, 9);
INSERT INTO test_data VALUES (12, 90, 2);

现在，我想计算持续时间字段的一些百分位数。通常，这可以通过以下方式完成：

SELECT
       PERCENTILE_DISC( 0.75 )
          WITHIN GROUP (ORDER BY duration ASC)
          AS third_quartile
FROM
       test_data;

（给出9的结果）

我的问题是，我们不希望根据批次获得百分位数，我希望根据个人工作获得这些百分位数。通过生成job_count的运行总计，我可以很容易地手动解决这个问题：

SELECT
       batch_id,
       job_count,
       SUM(
            job_count
       )
       OVER (
              ORDER BY duration
              ROWS UNBOUNDED PRECEDING
             )
          AS total_jobs,
        duration
FROM
       test_data
ORDER BY
       duration ASC;

BATCH_ID     JOB_COUNT    TOTAL_JOBS   DURATION     
6            35           35           1            
5            54           89           1            
12           90           179          2            
2            47           226          4            
10           52           278          4            
3            66           344          6            
4            46           390          6            
8            82           472          7            
9            12           484          9            
1            37           521          9            
11           3            524          9            
7            55           579          9

由于我有579个工作，那么第75个百分位将是工作434.查看上面的结果集，其对应的持续时间为7，与标准函数的作用不同。

基本上，我想将批处理中的每个作业视为单独的观察，并根据这些来确定百分位数，而不是批次。

有没有相对简单的方法来实现这个目标？

Answer 1

我认为这是“加权”百分位数。我不知道在Oracle中是否存在内置的分析函数，但它很容易计算。而你正在那里。

另外一个想法是计算作业总数，然后使用算术来选择所需的值。对于第75百分位数，该值是最小持续时间，使得累计工作数大于作业总数的0.75倍。

以下是SQL中的示例：

select pcs.percentile, min(case when cumjobs >= totjobs * percentile then duration end)
from (SELECT batch_id, job_count,
             SUM(job_count) OVER (ORDER BY duration) as cumjobs,
             sum(job_count) over () as totjobs,
             duration
      FROM test_data
     ) t cross join
     (select 0.25 as percentile from dual union all
      select 0.5 from dual union all
      select 0.75 from dual
     ) pcs
group by pcs.percentile;

此示例为您提供每个值在其自己行上的百分位值（以及作为三个不同百分位数的额外奖励）。如果您想要每行的值，则需要加入原始表格。

Answer 2

行。我想我有你的答案。想法是我的。实施借鉴this Ask Tom article

SELECT PERCENTILE_DISC( 0.75 )
       WITHIN GROUP (ORDER BY duration ASC)
       AS third_quartile
FROM(
with data as
  (select level l
   from dual, (select max(job_count) max_jobs from test_data)
   connect by level <= max_jobs
  )
  select *
  from test_data, data
  where l <= job_count
  --ORDER BY duration, batch_id
  ) inner
;

这是SQL Fiddle。

百分位数的另一种方法？

2 个答案: