在 BigQuery 中计算百分位数
Posted
技术标签:
【中文标题】在 BigQuery 中计算百分位数【英文标题】:Computing Percentiles In BigQuery 【发布时间】:2017-10-12 09:17:20 【问题描述】:我正在使用 BigQuery,我需要计算数据集列的第 25、50 和 75 个百分位数。
例如,我如何使用 BigQuery 和 STANDARD SQL 获得上述数字。我查看了 PERCENT_RANK、RANK 和 NTILE 函数,但似乎无法破解它。
这里有一些可以指导我的代码
感谢您的帮助!
【问题讨论】:
当您说“这里有一些可以指导我的代码”时,您的意思是要包含一些示例代码吗? 【参考方案1】:查看标准 SQL 中的 APPROX_QUANTILES 函数。如果您要求 100 个分位数 - 您会得到百分位数。因此查询将如下所示:
SELECT percentiles[offset(25)], percentiles[offset(50)], percentiles[offset(75)]
FROM (SELECT APPROX_QUANTILES(column, 100) percentiles FROM Table)
【讨论】:
有没有办法得到准确的百分位数?看起来 APPROX_QUANTILES 的聚合是近似的……【参考方案2】:如果近似聚合对您不起作用,您可能想要使用 PERCENTILE_CONT 函数(尽管它会使用更多内存,因此它可能不适用于大数据),例如以下示例来自here
SELECT
PERCENTILE_CONT(x, 0) OVER() AS min,
PERCENTILE_CONT(x, 0.01) OVER() AS percentile1,
PERCENTILE_CONT(x, 0.5) OVER() AS median,
PERCENTILE_CONT(x, 0.9) OVER() AS percentile90,
PERCENTILE_CONT(x, 1) OVER() AS max
FROM UNNEST([0, 3, NULL, 1, 2]) AS x LIMIT 1;
+-----+-------------+--------+--------------+-----+
| min | percentile1 | median | percentile90 | max |
+-----+-------------+--------+--------------+-----+
| 0 | 0.03 | 1.5 | 2.7 | 3 |
+-----+-------------+--------+--------------+-----+
【讨论】:
【参考方案3】:您可以使用以下代码获得细粒度的百分位分析。
SELECT
offset + 1 AS percentile,
value AS percentile_value,
FROM UNNEST((
SELECT
APPROX_QUANTILES(value, 100) as percentile_value,
FROM data_set
)) AS percentile_value WITH OFFSET as offset
然后你可以根据需要得到任何百分位数。
【讨论】:
以上是关于在 BigQuery 中计算百分位数的主要内容,如果未能解决你的问题,请参考以下文章
python使用pandas中的groupby函数和agg函数计算每个分组数据的两个分位数(例如百分之10分位数和百分之90分位数)
Pandas .. 分位数函数是不是需要排序数据来计算百分位数?
JavaScript中的分位数/百分点/百分位数/逆累积分布函数