Question

大多数数据库都有内置函数来计算中位数但我在Amazon Redshift中没有看到任何中位数。

您可以使用nth_value（）和count（）分析函数的组合来计算中值，但这似乎很笨拙。如果分析数据库没有内置计算中位数的方法，我会很惊讶，所以我假设我错过了一些东西。

http://docs.aws.amazon.com/redshift/latest/dg/r_Examples_of_NTH_WF.html http://docs.aws.amazon.com/redshift/latest/dg/c_Window_functions.html

Answer 1

截至2014-10-17，Redshift支持MEDIAN窗口功能：

# select min(median) from (select median(num) over () from temp);
 min 
-----
 4.0

Answer 2

尝试NTILE功能。

您可以将数据划分为2个排名组，并从第一组中选择最小值。这是因为在具有奇数个值的数据集中，第一个ntile将比第二个具有多1个值。这种近似应该适用于大型数据集。

create table temp (num smallint);
insert into temp values (1),(5),(10),(2),(4);

select num, ntile(2) over(order by num desc) from temp ;
 num | ntile 
-----+-------
  10 |     1
   5 |     1
   4 |     1
   2 |     2
   1 |     2

select min(num) as median from (select num, ntile(2) over(order by num desc) from temp) where ntile = 1;
 median 
--------
      4

Answer 3

我也遇到了这个困难，但得到了亚马逊的一些帮助。自2014-06-30版本的Redshift以来，您可以使用PERCENTILE_CONT或PERCENTILE_DISC窗口函数执行此操作。

它们使用起来有点奇怪，因为它们会将每个行的中位数（或您选择的任何百分位数）固定。你把它放在一个子查询中，然后取中间列的MIN（或其他）。

# select count(num), min(median) as median from (select num, percentile_cont (0.5) within group (order by num) over () as median from temp); count | median -------+-------- 5 | 4.0

（它之所以复杂，是因为窗口函数也可以自己进行迷你分组，并命令一次性给出许多组的中位数，以及其他技巧。）

在偶数个值的情况下，CONT（inuous）将在两个中间值之间进行插值，其中DISC（rete）将选择其中一个值。

Answer 4

如果我正在寻找足够接近的答案，我通常会使用NTILE函数将数据拆分为两组。但是，如果我想要精确的中位数（例如偶数行的中点），我会使用AWS Redshift Discussion Forum上建议的技术。

此技术按升序和降序对行进行排序，然后如果有奇数行，则返回中间行的平均值（即row_num_asc = row_num_desc），这只是中间行本身

CREATE TABLE temp (num SMALLINT);

INSERT INTO temp VALUES (1),(5),(10),(2),(4);

SELECT
  AVG(num) AS median
FROM
(SELECT
  num,
  SUM(1) OVER (ORDER BY num ASC) AS row_num_asc,
  SUM(1) OVER (ORDER BY num DESC) AS row_num_desc
FROM
  temp) AS ordered
WHERE
  row_num_asc IN (row_num_desc, row_num_desc - 1, row_num_desc + 1);

 median 
--------
      4

如果有偶数行，则返回两个中间行的平均值。

INSERT INTO temp VALUES (9);

SELECT
  AVG(num) AS median
FROM
(SELECT
  num,
  SUM(1) OVER (ORDER BY num ASC) AS row_num_asc,
  SUM(1) OVER (ORDER BY num DESC) AS row_num_desc
FROM
  temp) AS ordered
WHERE
  row_num_asc IN (row_num_desc, row_num_desc - 1, row_num_desc + 1);

 median 
--------
    4.5

如何在AWS Redshift中计算中位数？

4 个答案: