如何计算 SQLite 中值的中位数？

Posted 2023-02-16

【中文标题】如何计算 SQLite 中值的中位数？

【英文标题】：How can I calculate the median of values in SQLite?

【发布时间】：2013-03-23 17:43:49

【问题描述】：

我想计算数字行中的中值。我如何在 SQLite 4 中做到这一点？

【参考方案1】：

Dixtroy 通过 group_concat() 提供了最佳解决方案。 这是一个完整的示例：

DROP TABLE [t];
CREATE TABLE [t] (name, value INT);
INSERT INTO t VALUES ('A', 2);
INSERT INTO t VALUES ('A', 3);
INSERT INTO t VALUES ('B', 4);
INSERT INTO t VALUES ('B', 5);
INSERT INTO t VALUES ('B', 6);
INSERT INTO t VALUES ('C', 7);

该表的结果：

name|value
A|2
A|3
B|4
B|5
B|6
C|7

现在我们使用来自 Dextroy 的（稍作修改的）查询：

SELECT name, --string_list, count, middle,
    CASE WHEN count%2=0 THEN
        0.5 * substr(string_list, middle-10, 10) + 0.5 * substr(string_list, middle, 10)
    ELSE
        1.0 * substr(string_list, middle, 10)
    END AS median
FROM (
    SELECT name, 
        group_concat(value_string,"") AS string_list,
        count() AS count, 
        1 + 10*(count()/2) AS middle
    FROM (
        SELECT name, 
            printf( '%010d',value) AS value_string
        FROM [t]
        ORDER BY name,value_string
    )
    GROUP BY name
);

...得到这个结果：

name|median
A|2.5
B|5.0
C|7.0

【参考方案2】：

有一个带有时间戳、标签和延迟的日志表。我们希望看到每个标签的延迟中值，按时间戳分组。将所有延迟值格式化为带前导零的 15 个字符长度，将其连接起来，然后将定位值削减一半。.. 有中位数。

select L, --V, 
       case when C % 2 = 0 then
       ( substr( V, ( C - 1 ) * 15 + 1, 15) * 1 + substr( V, C * 15 + 1, 15) * 1 ) / 2
       else
        substr( V, C * 15 + 1, 15) * 1
       end as MEDST
from (
    select L, group_concat(ST, "") as V, count(ST) / 2 as C
    from (
        select label as L, 
               substr( timeStamp, 1, 8) * 1 as T, 
               printf( '%015d',latency) as ST
        from log
        where label not like '%-%' and responseMessage = 'OK'
        order by L, T, ST ) as XX
    group by L
    ) as YY

【参考方案3】：

有一个用于 sqlite3 的各种数学函数的扩展包。它包括像中位数这样的组函数。

这将比 CL 的答案做更多的工作，但如果您认为您需要任何其他功能，这可能是值得的。

http://www.sqlite.org/contrib/download/extension-functions.c?get=25

（Here 是如何编译和加载 SQLite 扩展的指南。）

来自描述：

使用可加载扩展机制为 SQL 查询提供数学和字符串扩展函数。数学：acos，asin，atan，atn2，atan2，acosh，asinh，atanh，差异，度，弧度，cos，sin，tan，cot，cosh，sinh，tanh，coth，exp，log，log10，power，sign， sqrt，正方形，天花板，地板，圆周率。字符串：replicate、charindex、leftstr、rightstr、ltrim、rtrim、trim、replace、reverse、proper、padl、padr、padc、strfilter。聚合：stdev、variance、mode、median、lower_quartile、upper_quartile。

2015-04-12 更新：修复“未定义符号：sinh”

正如 cmets 中提到的，尽管编译成功，但此扩展可能无法正常工作。

例如，编译可能有效，在 Linux 上，您可以将生成的 .so 文件复制到 /usr/local/lib。但是来自sqlite3 shell 的.load /usr/local/lib/libsqlitefunctions 可能会产生这个错误：

Error: /usr/local/lib/libsqlitefunctions.so: undefined symbol: sinh

以这种方式编译似乎可行：

gcc -fPIC -shared extension-functions.c -o libsqlitefunctions.so -lm

并且将.so 文件复制到/usr/local/lib 没有显示类似错误：

sqlite> .load /usr/local/lib/libsqlitefunctions

sqlite> select cos(pi()/4.0);
---> 0.707106781186548

我不确定为什么 gcc 的选项顺序在这种特殊情况下很重要，但显然它确实如此。

注意到这一点的功劳归功于Ludvick Lidicky对this blog post的评论

【讨论】：

知道如何安装吗？文件本身没有多大帮助。

@jameshfisher 尝试在另一个问题中询问它，这是一个良好的开端。出于好奇，我今晚尝试编译扩展。遵循文件顶部 C cmets 中包含的说明非常简单（您确实阅读了文件并找到了这些说明，对吗？）但也有一些错误。它在 Ubuntu 14.04 LTS 上使用 gcc 编译，具有先决条件“libsqlite3-dev”，从而生成共享库“libsqlitefunctions.so”。当给定命令 SELECT load_extension('./libsqlitefunctions') 时，相同的 Ubuntu 的 sqlite3 尝试加载它，但抛出错误“未定义符号：sinh”。

这比我预期的要容易设置。加油！

这个链接 (github.com/yajirobee/environment/blob/master/common/…) 给出了一个编译好的 so 文件。它有效！

@Kassym Dorsel：从sqlite.org/2019/sqlite-amalgamation-3290000.zip 下载上述 extension-functions.c 文件和 sqlite-amalgamation 文件，并将所有文件解压缩到同一个文件夹中。然后安装 MinGw 安装程序并从这里将包“mingw32-base-bin”安装到 c:\MinGW。现在打开 DOS 命令并更改为 c:\MinGW\bin 并运行命令 gcc -g -shared "C:\YourPath\extension-functions.c" -o "C:\YourPath\extension-functions.dll"最后通过 .load C:/YourPath/extension-functions.dll 将 dll 加载到 SQLite 中

【参考方案4】：

SELECT AVG(x) 只返回格式为 YYYY-MM-DD 的日期值的年份，因此我稍微调整了 CL 的解决方案以适应日期：

SELECT DATE(JULIANDAY(MIN(MyDate)) + (JULIANDAY(MAX(MyDate)) - JULIANDAY(MIN(MyDate)))/2) as Median_Date
FROM (
   SELECT MyDate
      FROM MyTable
      ORDER BY MyDate
      LIMIT 2 - ((SELECT COUNT(*) FROM MyTable) % 2) -- odd 1, even 2
      OFFSET (SELECT (COUNT(*) - 1) / 2 FROM MyTable)
);

【参考方案5】：

假设中位数是有序列表中间的元素。

SQLite（4 或 3）没有任何内置函数，但可以手动完成：

SELECT x
FROM MyTable
ORDER BY x
LIMIT 1
OFFSET (SELECT COUNT(*)
        FROM MyTable) / 2

---

当记录数为偶数时，通常将中位数定义为中间两条记录的平均值。 在这种情况下，可以这样计算平均值：

SELECT AVG(x)
FROM (SELECT x
      FROM MyTable
      ORDER BY x
      LIMIT 2
      OFFSET (SELECT (COUNT(*) - 1) / 2
              FROM MyTable))

将奇数和偶数结合起来会得到这样的结果：

SELECT AVG(x)
FROM (SELECT x
      FROM MyTable
      ORDER BY x
      LIMIT 2 - (SELECT COUNT(*) FROM MyTable) % 2    -- odd 1, even 2
      OFFSET (SELECT (COUNT(*) - 1) / 2
              FROM MyTable))

【讨论】：

这是一个不错的解决方案，但如果您想计算“分组依据”结果而不是整个表的中位数，似乎很难使用它。考虑“按 grp 从表组中选择 grp、min(val)、median(val)、max(val)”。

@Acer - 我知道你是对的。在这种情况下，如果没有对 MEDIAN 的数据库支持，我就没有优雅的单语句解决方案。想到的是： 1) 使用 group by 子句和 SELECT INTO（将此表称为“G”）以排序形式创建一个表，并添加一个 AUTOINCREMENT 列（称为列“i”）。 2) 创建一个查询，计算每个组的 (max(G.i)+min(G.i))/2.0（将此列称为“x”）。 3) 使用 Pick 表，从 G 中选择 ABS(G.i-Pick.x)

似乎您可以使用视图而不是实际表格来做同样的事情