我在 MySQL 中有一个非常大的测量数据表，我需要为这些值中的每一个计算百分位等级。 Oracle 似乎有一个名为 percent_rank 的函数，但我找不到与 MySQL 类似的任何东西。当然，我可以在 Python 中对它进行暴力破解，无论如何我都会使用它来填充表格，但我怀疑这会非常低效，因为一个样本可能有 200.000 个观察值。
【问题讨论】：
标签： mysql rank percentile
MySQL 8 终于引入了窗口函数，其中就有你要找的PERCENT_RANK() 函数。所以，就写吧：
SELECT col, percent_rank() OVER (ORDER BY col)
FROM t
ORDER BY col
您的问题提到了“百分位数”，这是一个略有不同的东西。为了完整起见，在 SQL 标准和一些 RBDMS（Oracle、PostgreSQL、SQL Server、Teradata）中有 PERCENTILE_DISC 和 PERCENTILE_CONT 逆分布函数，但在 MySQL 中没有。使用 MySQL 8 和窗口函数，you can emulate PERCENTILE_DISC, however, again using the PERCENT_RANK and FIRST_VALUE window functions。
【讨论】：
假设我们有一个这样的销售表：
user_id，单位
然后以下查询将给出每个用户的百分位数：
select a.user_id,a.units,
(sum(case when a.units >= b.units then 1 else 0 end )*100)/count(1) percentile
from sales a join sales b ;
请注意，这将用于交叉连接，因此会导致 O(n2) 复杂度，因此可以视为未优化的解决方案，但鉴于我们在 mysql 版本中没有任何功能，这似乎很简单。
【讨论】：
SELECT
c.id, c.score, ROUND(((@rank - rank) / @rank) * 100, 2) AS percentile_rank
FROM
(SELECT
*,
@prev:=@curr,
@curr:=a.score,
@rank:=IF(@prev = @curr, @rank, @rank + 1) AS rank
FROM
(SELECT id, score FROM mytable) AS a,
(SELECT @curr:= null, @prev:= null, @rank:= 0) AS b
ORDER BY score DESC) AS c;
【讨论】：
如果您将 SQL 与 PHP 等过程语言相结合，您可以执行以下操作。此示例将多余的航班阻塞时间分解为机场的百分位数。将 MySQL 中的 LIMIT x,y 子句与ORDER BY 结合使用。不是很漂亮，但可以完成工作（对不起，格式问题）：
$startDt = "2011-01-01";
$endDt = "2011-02-28";
$arrPort= 'JFK';
$strSQL = "SELECT COUNT(*) as TotFlights FROM FIDS where depdt >= '$startDt' And depdt <= '$endDt' and ArrPort='$arrPort'";
if (!($queryResult = mysql_query($strSQL, $con)) ) {
echo $strSQL . " FAILED\n"; echo mysql_error();
exit(0);
}
$totFlights=0;
while($fltRow=mysql_fetch_array($queryResult)) {
echo "Total Flights into " . $arrPort . " = " . $fltRow['TotFlights'];
$totFlights = $fltRow['TotFlights'];
/* 1906 flights. Percentile 90 = int(0.9 * 1906). */
for ($x = 1; $x<=10; $x++) {
$pctlPosn = $totFlights - intval( ($x/10) * $totFlights);
echo "PCTL POSN for " . $x * 10 . " IS " . $pctlPosn . "\t";
$pctlSQL = "SELECT (ablk-sblk) as ExcessBlk from FIDS where ArrPort='" . $arrPort . "' order by ExcessBlk DESC limit " . $pctlPosn . ",1;";
if (!($query2Result = mysql_query($pctlSQL, $con)) ) {
echo $pctlSQL . " FAILED\n";
echo mysql_error();
exit(0);
}
while ($pctlRow = mysql_fetch_array($query2Result)) {
echo "Excess Block is :" . $pctlRow['ExcessBlk'] . "\n";
}
}
}
【讨论】：
这是一种不需要加入的不同方法。在我的情况下（一个超过 15,000 行的表），它运行大约 3 秒。 （JOIN 方法花费的时间要长一个数量级）。
在示例中，假设 measure 是您计算排名百分比的列，而 id 只是一个行标识符（不是必需的）：
SELECT
id,
@prev := @curr as prev,
@curr := measure as curr,
@rank := IF(@prev > @curr, @rank+@ties, @rank) AS rank,
@ties := IF(@prev = @curr, @ties+1, 1) AS ties,
(1-@rank/@total) as percentrank
FROM
mytable,
(SELECT
@curr := null,
@prev := null,
@rank := 0,
@ties := 1,
@total := count(*) from mytable where measure is not null
) b
WHERE
measure is not null
ORDER BY
measure DESC
这种方法的功劳归于 Shlomi Noach。他在这里详细描述了它：
http://code.openark.org/blog/mysql/sql-ranking-without-self-join
我在 MySQL 中对此进行了测试，效果很好；对 Oracle、SQLServer 等一无所知。
【讨论】：
这是一个比较难看的答案，说出来我很内疚。也就是说，它可能会帮助您解决问题。
确定百分比的一种方法是计算所有行数，并计算大于您提供的数字的行数。您可以计算大于或小于，并根据需要取逆。
为您的号码创建索引。 总计 = 选择计数（）； less_equal = select count() where value > indexed_number;
百分比类似于：less_equal / total 或 (total - less_equal)/total
确保它们都在使用您创建的索引。如果不是，请调整它们直到它们是。解释查询应该在右侧列中有“使用索引”。在 select count(*) 的情况下，它应该使用 InnoDB 的 index 和 MyISAM 之类的东西。 MyISAM 将随时知道这个值，而无需计算。
如果您需要将百分比存储在数据库中，您可以使用上面的设置来提高性能，然后使用第二个查询作为内部选择来计算每一行的值。第一个查询的值可以设置为常量。
这有帮助吗？
雅各布
【讨论】：
要获得排名，我想说你需要（左）外部加入表格本身，例如：
select t1.name, t1.value, count(distinct isnull(t2.value,0))
from table t1
left join table t2
on t1.value>t2.value
group by t1.name, t1.value
对于每一行，您将计算同一张表中有多少（如果有）行具有较低的值。
请注意，我更熟悉 sqlserver，因此语法可能不正确。此外，不同的可能没有您想要实现的正确行为。但这是一般的想法。
然后，要获得真正的百分位排名，您需要首先获取变量中值的数量（或不同的值，具体取决于您要采用的约定），并使用上面给出的实际排名计算百分位排名。
【讨论】：
【讨论】：