一些數據庫足夠強大，可以實現MEDIAN()聚合函數。 請記住， MEDIAN()與MEAN()或AVG() （平均）略有不同（并且通常更有用）。

雖然平均值是按SUM(exp) / COUNT(exp) ，但是MEDIAN()告訴您樣本中所有值的50％高于MEDIAN()而集合中的其他50％則小于MEDIAN() MEDIAN() 。

因此，換句話說，如果您執行以下查詢：

WITH t(value) AS (SELECT 1 FROM DUAL UNION ALLSELECT 2 FROM DUAL UNION ALLSELECT 3 FROM DUAL ) SELECTavg(value),median(value) FROMt;

…那么平均值和中位數是相同的：

avg median 2 2

但是，如果您這樣嚴重扭曲數據：

WITH t(value) AS (SELECT 1 FROM DUAL UNION ALLSELECT 2 FROM DUAL UNION ALLSELECT 100 FROM DUAL ) SELECTavg(value),median(value) FROMt;

然后，您的平均值也將出現偏差，而中位數仍將指示樣本中大多數值的位置

avg median 34.333 2

上面的示例在統計上當然是微不足道的，但是如果您擁有更多數據，則可以輕松地看到這種影響是戲劇性的且相關的：

圖像許可證CC-BY-SA 3.0。 由Cmglee上傳到Wikipedia

偏斜效應在統計中非常重要，為了對任何事物做出有趣的主張，使用百分位通常比使用平均值更有用。 以一個國家的平均收入與中位數收入為例。 盡管美國（以及許多其他國家/地區） 的平均收入一直在穩定增長， 但在過去十年中 ， 中位數收入卻有所下降 。 這是由于財富越來越嚴重地向超級富翁傾斜。

這個博客不是關于政治的，而是關于Java和SQL的，因此讓我們回到計算實際情況。

在SQL中使用分位數

正如我們之前所看到的， MEDIAN()將樣本分為兩個大小相等的組，并在這兩個組之間“取值”。 此特定值也稱為第50個百分位數，因為樣本中所有值的50％都小于MEDIAN() 。 因此，我們可以建立：

• MIN(exp) ：0百分位數
• MEDIAN(exp) ：第50個百分點
• MAX(exp) ：100％

以上所有都是百分位數的特殊情況，盡管所有SQL數據庫（和SQL標準）都支持MIN()和MAX() ，但SQL標準不支持MEDIAN() ，而以下jOOQ數據庫僅支持MEDIAN() ：

• BR
• 數據庫
• 甲骨文
• Sybase SQL Anywhere

在SQL標準中，還有另一種計算MEDIAN() ，以及通常計算任何百分位數的方法， 因為PostgreSQL 9.4在PostgreSQL中也使用…

有序集合聚合函數

有趣的是，除了窗口函數外 ，您還可以為某些聚合函數指定ORDER BY子句，這些聚合函數根據有序集聚合數據。

SQL標準percentile_cont函數就是這樣的一個函數，該函數將百分位數作為參數，然后接受一個附加的WITHIN GROUP子句，該子句將ORDER BY子句作為參數。 這些特定的有序集函數也稱為逆分布函數 ，因為我們要查找樣本中所有值的分布中特定百分位數的位置（ 如果您不對數學感到恐懼，請查看Wikipedia文章 ）

因此，在PostgreSQL 9.4+中，可以像下面這樣模擬MEDIAN()函數：

WITH t(value) AS (SELECT 1 UNION ALLSELECT 2 UNION ALLSELECT 100 ) SELECTavg(value),percentile_cont(0.5) WITHIN GROUP (ORDER BY value) FROMt;

這個有趣的語法是標準化的，并且可能由Oracle的LISTAGG（）所知，該語法允許將值聚合為串聯的字符串：

WITH t(value) AS (SELECT 1 FROM DUAL UNION ALLSELECT 2 FROM DUAL UNION ALLSELECT 100 FROM DUAL ) SELECTlistagg(value, ', ') WITHIN GROUP (ORDER BY value) FROMt;

該查詢簡單地產生：

listagg --------- 1, 2, 100

附帶說明一下： LISTAGG()當然是完全沒用的，因為它返回VARCHAR2 ，在Oracle中它再次具有最大長度4000。 無用…

開箱即用的仿真

與往常一樣，jOOQ將開箱即用地模擬這些事情。 您既可以使用DSL.median()函數，也可以使用即將發布的jOOQ 3.6和新的DSL.percentileCont()函數來產生相同的值：

DSL.using(configuration).select(median(T.VALUE),percentileCont(0.5).withinGroupOrderBy(T.VALUE)).from(T).fetch();

翻譯自: https://www.javacodegeeks.com/2015/01/how-to-emulate-the-median-aggregate-function-using-inverse-distribution-functions.html

總結

以上是生活随笔為你收集整理的如何使用逆分布函数模拟MEDIAN（）聚合函数的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。