如何在postgres中计算百分位数

Question

我有一个名为时序的表，我们存储 100 万个响应时序用于负载测试，现在我们需要将此数据分成 100 组，即前 500 条记录为一组，依此类推，并计算每组的百分位数，而不是高于平均水平。

到目前为止，我尝试了这个查询

Select quartile
     , avg(data) 
     , max(data) 
  FROM (

        SELECT data
             , ntile(500) over (order by data) as quartile
          FROM data
       ) x
 GROUP BY quartile
 ORDER BY quartile

但是我如何找到百分位数

Answer 1

通常，如果您想知道百分位数，使用cume_dist 比使用ntile 更安全。那是因为ntile 在给定很少的输入时表现得很奇怪。考虑：

=# select v, 
          ntile(100) OVER (ORDER BY v),
          cume_dist() OVER (ORDER BY v)
   FROM (VALUES (1), (2), (4), (4)) x(v);

 v | ntile | cume_dist 
---+-------+-----------
 1 |     1 |      0.25
 2 |     2 |       0.5
 4 |     3 |         1
 4 |     4 |         1

你可以看到ntile 只使用了 100 个桶中的前 4 个，而cume_dist 总是给你一个从 0 到 1 的数字。所以如果你想找出第 99 个百分位数，你可以扔掉cume_dist 低于 0.99 的所有内容，并从剩下的内容中取最小的 v。

如果您使用的是 Postgres 9.4+，那么percentile_cont and percentile_disc 会更容易，因为您不必自己构建存储桶。前者甚至为您提供了值之间的插值，如果您有一个小数据集，这可能会很有用。

Answer 2

编辑：

请注意，自从我最初回答了这个问题以来，Postgres 已经获得了额外的聚合函数来帮助解决这个问题。请参阅 percentile_disc 和 percentile_cont here。这些是在 9.4 中引入的。

原答案：

ntile 是计算百分位数的方法（以及其他 n 分位数，例如四分位数、十分位数等）。

ntile 将表尽可能平均地分组到指定数量的桶中。如果您指定了 4 个存储桶，那将是一个四分位数。 10 是十分位数。

对于 percentile，您可以将桶数设置为 100。

我不确定 500 的位置...如果您想确定您的数据在哪个 percentile 中（即将百万次时间尽可能平均地分成 100 个桶），您将使用 ntile 的参数为 100，并且这些组将有超过 500 个条目。

如果您不关心avg 或max，您可以从查询中删除一堆。所以它看起来像这样：

SELECT data, ntile(100) over (order by data) AS percentile
FROM data
ORDER BY data