用 Mysql 计算中位数

Posted 2023-03-12

【中文标题】用 Mysql 计算中位数

【英文标题】：Calculating the Median with Mysql

【发布时间】：2011-07-21 01:05:14

【问题描述】：

我无法计算值列表的中位数，而不是平均值。

我找到了这篇文章 Simple way to calculate median with mysql

它引用了我不正确理解的以下查询。

SELECT x.val from data x, data y
GROUP BY x.val
HAVING SUM(SIGN(1-SIGN(y.val-x.val))) = (COUNT(*)+1)/2

如果我有一个time 列并且我想计算中值，那么x 和y 列指的是什么？

【问题讨论】：

请注意，如果存在重复值，您提到的解决方案将找不到中位数。 （当中位数本身有重复时，它会失败）

老实说，我不明白 MySQL 是如何被数百万人使用的，并且已经存在了几十年，但没有计算中位数的功能。是否还有其他以数据为中心的系统尚未实施通常在四年级时教给 9-10 岁儿童的数学？

【参考方案1】：

val是你的时间列，x和y是对数据表的两个引用（可以写成data AS x, data AS y）。

编辑： 为避免计算两次总和，您可以存储中间结果。

CREATE TEMPORARY TABLE average_user_total_time 
      (SELECT SUM(time) AS time_taken 
            FROM scores 
            WHERE created_at >= '2010-10-10' 
                    and created_at <= '2010-11-11' 
            GROUP BY user_id);

然后您可以计算命名表中这些值的中位数。

编辑：临时表won't work 在这里。您可以尝试使用具有“MEMORY”表类型的常规表。或者只是让您的子查询在您的查询中计算两次中位数的值。除此之外，我没有看到其他解决方案。这并不意味着没有更好的方法，也许其他人会提出一个想法。

【讨论】：

感谢@Krab！不要以为你能帮我做以下事情。 SELECT AVG(time_taken) FROM ( SELECT SUM(time) AS time_taken FROM scores WHERE created_at >= '2010-10-10' and created_at

当我尝试这样做时，我得到“无法重新打开表 x”。这是我的总sql。创建临时表 average_user_total_time (SELECT SUM(time) AS time_taken FROM scores WHERE created_at >= '2010-10-10' and created_at

【参考方案2】：

首先尝试了解中位数是什么：它是排序值列表中的中间值。

一旦你明白了，方法就是两个步骤：

按任意顺序对值进行排序 取中间值（如果不是奇数个值，取两个中间值的平均值）

例子：

Median of 0 1 3 7 9 10: 5 (because (7+3)/2=5)
Median of 0 1 3 7 9 10 11: 7 (because 7 is the middle value)

因此，要对日期进行排序，您需要一个数值；您可以获得他们的时间戳（从纪元开始经过的秒数）并使用中位数的定义。

【讨论】：

不同意您的第一个示例：中位数始终是集合的实际成员

@zanlok：任何“被广泛接受”的软件包都会计算我提出的中位数（如果是偶数个值，则为平均值）Matlab 平均值，R 平均值。您所说的是“medoid”，其中值始终是数据集的成员。

【参考方案3】：

我提出一个更快的方法。

获取行数：

SELECT CEIL(COUNT(*)/2) FROM data;

然后在排序的子查询中取中间值：

SELECT max(val) FROM (SELECT val FROM data ORDER BY val limit @middlevalue) x;

我使用 5x10e6 随机数数据集对此进行了测试，它会在 10 秒内找到中位数。

这将通过将COUNT(*)/2 替换为COUNT(*)*n 来找到任意百分位数，其中n 是百分位数（中位数为0.5，第75 个百分位数为0.75，等等）。

【讨论】：

很好的解决方案，但是如果有奇数个项目，您应该得到两个中间点的平均值SELECT avg(val) FROM (SELECT val FROM data ORDER BY val limit @middlevalue, @numvalues) x;，其中@numvalues 是(@middlevalue mod 2) +1

【参考方案4】：

使用 group_concat 在 mysql 中查找中位数

查询：

SELECT
    IF(count%2=1,
       SUBSTRING_INDEX(substring_index(data_str,",",pos),",",-1),
       (SUBSTRING_INDEX(substring_index(data_str,",",pos),",",-1) 
         + SUBSTRING_INDEX(substring_index(data_str,",",pos+1),",",-1))/2) 
    as median 
FROM (SELECT group_concat(val order by val) data_str,
      CEILING(count(*)/2) pos,
      count(*) as count from data)temp;

说明：

使用 group_concat 函数内部的 order by 完成排序

Position(pos) 和元素总数（count）被识别。 CEILING 识别位置有助于我们在以下步骤中使用 substring_index 函数。

根据计数决定偶数或奇数个值。

奇数：使用substring_index直接选择属于pos的元素。 偶数值：找到属于 pos 和 pos+1 的元素，然后将它们相加并除以 2 得到中位数。

最后计算出中位数。

【参考方案5】：

如果您有一个表 R 和一个名为 A 的列，并且您想要 A 的中位数，您可以执行以下操作：

SELECT A FROM R R1
WHERE ( SELECT COUNT(A) FROM R R2 WHERE R2.A < R1.A ) = ( SELECT COUNT(A) FROM R R3 WHERE R3.A > R1.A )

注意：这仅适用于 A 中没有重复值的情况。此外，不允许使用空值。

【讨论】：

@nicholas-de-bin 当列中有偶数行时，这是如何工作的？因为，传统的逻辑是对于偶数，我们需要返回中间两个数字的平均值。上述查询中未处理此问题。如有错误请指正。

【参考方案6】：

我和我的朋友发现的最简单的方法......享受吧！

SELECT count(*) INTO @c from station;
select ROUND((@c+1)/2) into @final; 
SELECT round(lat_n,4) from station a where @final-1=(select count(lat_n) from station b where b.lat_n > a.lat_n);

【参考方案7】：

这是一个易于理解的解决方案。只需根据您的要求替换 Your_Column 和 Your_Table。

SET @r = 0;

SELECT AVG(Your_Column)
FROM (SELECT (@r := @r + 1) AS r, Your_Column FROM Your_Table ORDER BY Your_Column) Temp
WHERE
    r = (SELECT CEIL(COUNT(*) / 2) FROM Your_Table) OR
    r = (SELECT FLOOR((COUNT(*) / 2) + 1) FROM Your_Table)

最初采用自this thread。