按季度和按客户类型在 mysql 中汇总数据（按中位数）

Question

我用的是 MySQL，我的 SQL 表是这样的：

sales_year (INT), sales_month (INT), sales_day (INT), price (float), customer_type (TEXT)

我想知道哪个sql_query 会按季度汇总价格数据（计算每个季度的中位数价格，以及用于计算中位数的观察次数），并按客户类型分组。

我正在努力完成两个主要步骤： mySQL 似乎不支持中位数，以及如何按季度汇总数据 - 似乎按客户类型分组，一旦解决这两个问题就很容易了。

STRUGGLE - 计算中位数......

例如，我刚刚尝试创建四分之一列，它可以工作，但它计算的是 AVG 而不是中位数：

    select avg(price) as avg_price, floor(sales_month/3.0+1) as
    sales_quarter, count(*) as n_transactions, sales_year, customer_type
    from mydb.mytable
    group by sales_quarter, sales_year, customer_type;

此命令运行良好。但理想情况下，我可以通过 MEDIAN 更改 avg 但 mySQL 没有这样的支持，关于如何更改此代码以使其用于中值目的的任何建议？

注意：我还尝试从 site 中的用户定义函数安装我自己的中值函数，但 C 代码没有在我的 mac os X 上编译。

所以输出应该是这样的：

sales_quarter (INT)
sales_year (INT)
median_price (FLOAT)
number_users_used_to_compute_median (INT)
customer_type (TEXT)

Answer 1

哦，只需将平均值称为中位数。与您交谈的人通常不会知道其中的区别 (;)。

好的，说真的，您可以在 MySQL 中执行此操作。有一种使用group_concat() 和substring_index() 的方法，但存在溢出中间字符串值的风险。相反，枚举值并进行简单的算术运算。为此，您需要一个枚举和一个总数。枚举为：

  select t.*,
         @rn := if(@q = quarter and @y = @year and @ct = customer_type,
                   @rn + 1,
                   if(@q := quarter, if(@y := @year, if(@ct := customer_type, 1, 1), 1), 1)
                  ) as rn
  from mydb.mytable t cross join
       (select @q := '', @y := '', @ct := '', @rn := 0) vars
  order by sales_quarter, sales_year, customer_type, price;

这是精心制定的。 order by 列对应于定义的变量。在select 中只有一个语句分配变量。嵌套的if() 语句确保设置每个变量（使用and 或or 可能导致短路）。重要的是要记住，MySQL 不保证 select 中表达式的求值顺序，因此只有一个语句集变量对于确保正确性很重要。

现在，获取中位数非常容易。您需要总计数、顺序值 (rn) 和一些算法来处理偶数个值的情况：

select trn.sales_quarter, trn.sales_year, trn.customer_type, avg(price) as median
from (select t.*,
             @rn := if(@q = quarter and @y = @year and @ct = customer_type,
                       @rn + 1,
                       if(@q := quarter, if(@y := @year, if(@ct := customer_type, 1, 1), 1), 1)
                      ) as rn
      from mydb.mytable t cross join
           (select @q := '', @y := '', @ct := '', @rn := 0) vars
      order by sales_quarter, sales_year, customer_type, price
     ) trn join
     (select sales_quarter, sales_year, customer_type, count(*) as numrows
      from mydb.mytable t
      group by sales_quarter, sales_year, customer_type
     ) s
     on trn.sales_quarter = s.sales_quarter and
        trn.sales_year = s.sales_year and
        trn.customer_type = s.customer_type
where 2*rn in (numrows, numrows - 1, numrows + 1)
group by trn.sales_quarter, trn.sales_year, trn.customer_type;

只是为了强调最终的平均值不是在进行平均计算。它正在计算中位数。正常的定义是，对于偶数个值，中位数是中间两个的平均值。 where 子句处理偶数和奇数情况。

Answer 2

要获得中位数，您可以尝试类似的方法，

SELECT *
FROM table
LIMIT COUNT(*)/2, 1

这基本上是说：“给我从第 n/2 个元素开始的 1 个项目，其中 n 是集合的大小。”

因此，如果您按季度进行，那么添加一些 GROUP BY 季度类型的东西也是一样的。如果您希望我对此进行更多扩展，请告诉我。

Answer 3

参考velcrow's answer并发布SqlFiddle here。

select quarter,
       group_concat(val order by row_number) ValSortString,
       floor((max(row_number) - min(row_number))/2)+1 as FirstPosition,
       ceil((max(row_number) - min(row_number))/2) +1 as SecondPosition,
       split_str(group_concat(val order by row_number),',',floor((max(row_number) - min(row_number))/2)+1) as FirstVal,
       split_str(group_concat(val order by row_number),',',ceil((max(row_number) - min(row_number))/2)+1) as SecondVal,
       (split_str(group_concat(val order by row_number),',',floor((max(row_number) - min(row_number))/2)+1) +
        split_str(group_concat(val order by row_number),',',ceil((max(row_number) - min(row_number))/2)+1) )/2 as Median
from (
      SELECT data.quarter,@rownum:=@rownum+1 as row_number, data.val,total_rows
             FROM data ,  
                  (select quarter,count(*) as total_rows from data group by quarter) as t,
                  (SELECT @rownum:=0) r
             where t.quarter = data.quarter
             order by data.quarter,val
     ) as b
group by quarter

此代码仅按季度分组，便于按列展开其他分组。

我使用 group_concat 和 split_str 来简化它，只使用一个子查询。

所以你必须创建 split_str 函数：

CREATE FUNCTION SPLIT_STR(
  x VARCHAR(255),
  delim VARCHAR(12),
  pos INT
)
RETURNS VARCHAR(255)
RETURN REPLACE(SUBSTRING(SUBSTRING_INDEX(x, delim, pos),
       LENGTH(SUBSTRING_INDEX(x, delim, pos -1)) + 1),
       delim, '');

问题是 group_concat 和 split_str 有限制。但是这个版本可以解决只有子查询的问题，并且易于理解。

更新
根据 Gordon Linoff 的指标，我添加了另一个没有 group_concat 的解决方案。

select quarter,
       floor((total_rows + 1)/2) as FirstPosition,
       ceil((total_rows + 1)/2) as SecondPosition,
       avg(val) as median
from (
      SELECT data.quarter,
             @rownum:= if (@q = data.quarter ,@rownum+1,if(@q := data.quarter, 1, 1) )as row_number, 
             data.val,
             total_rows
             FROM data ,  
                  (select quarter,count(*) as total_rows from data group by quarter) as t,
                  (SELECT @q := '', @rownum:=0) r
             where t.quarter = data.quarter
             order by data.quarter,val
     ) as b
where row_number in (floor((total_rows + 1)/2), ceil((total_rows + 1)/2))
group by quarter

还有新的Sql Fiddle here。

我是mysql的新手，这个问题很容易被MSSql、DB2或Oracle解决，他们都有Row_number()(Partition by ...)。

我没有足够的声誉来评论 Gordon Linoff 的回答，我必须感谢他学习如何实现 row_number()(Partition by ...) 功能。

Answer 4

我知道有两种方法可以做到这一点。第一个使用两个选择和一个连接，第一个选择获取值和排名，第二个选择获取计数，然后连接它们。第二个使用 json 函数在一次选择中获取所有内容。它们都有点冗长，但它们可以工作并且相当快。

解决方案#1（两个选择和一个连接，一个获取计数，一个获取排名）

SELECT  x.group_field, 
        avg(
            if( 
                x.rank - y.vol/2 BETWEEN 0 AND 1, 
                value_field, 
                null
            )
        ) as median
FROM (
    SELECT  group_field, value_field, 
            @r:= IF(@current=group_field, @r+1, 1) as rank, 
            @current:=group_field
    FROM (
        SELECT group_field, value_field
        FROM table_name
        ORDER BY group_field, value_field
    ) z, (SELECT @r:=0, @current:='') v
) x, (
    SELECT group_field, count(*) as vol 
    FROM table_name
    GROUP BY group_field
) y WHERE x.group_field = y.group_field
GROUP BY x.group_field;

解决方案 #2（使用 json 对象来存储计数并避免连接）

SELECT group_field, 
    avg(
        if(
            rank - json_extract(@vols, path)/2 BETWEEN 0 AND 1,
            value_field,
            null
        )
    ) as median
FROM (
    SELECT group_field, value_field, path, 
        @rnk := if(@curr = group_field, @rnk+1, 1) as rank,
        @vols := json_set(
            @vols, 
            path, 
            coalesce(json_extract(@vols, path), 0) + 1
        ) as vols,
        @curr := group_field
    FROM (
        SELECT p.group_field, p.value_field, concat('$.', p.group_field) as path
        FROM table_name
        JOIN (SELECT @curr:='', @rnk:=1, @vols:=json_object()) v
        ORDER BY group_field, value_field DESC
    ) z
) y GROUP BY group_field;