计算表“营销”中“余额”列的中位数答案

【问题标题】：Calculating median of column "Balance" from table "Marketing"计算表“营销”中“余额”列的中位数
【发布时间】：2017-04-05 07:38:03
【问题描述】：

我有一个 spark (scala) 数据框“Marketing”，大约有 17 列，其中 1 列作为“Balance”。该列的数据类型是 Int。我需要找到平衡的中位数。我可以按升序排列它，但之后如何进行？我有一个给定的提示，可以使用 scala 的百分位函数。我对这个百分位函数一无所知。有人可以帮忙吗？

【问题讨论】：

您好，欢迎来到 StackOverflow。请花一些时间阅读帮助页面，尤其是名为"What topics can I ask about here?" 和"What types of questions should I avoid asking?" 的部分。更重要的是，请阅读the Stack Overflow question checklist。您可能还想了解Minimal, Complete, and Verifiable Examples。

标签： scala spark-dataframe median

【解决方案1】：

中位数与第 50 个百分位数相同。如果您不介意使用 hive 函数，您可以执行以下操作之一：

marketingDF.selectExpr("percentile(CAST(Balance AS BIGINT), 0.5) AS median")

如果您不需要确切的数字，您可以考虑使用 percentile_approx() 代替。

这两个函数的文档位于here。

【讨论】：