如何在postgres中计算百分位

Question

我有一个名为“计时”的表，其中存储了 100 万个用于负载测试的响应计时，现在我们需要将此数据分为 100 组，即前 500 条记录作为一组，依此类推，并计算每组的百分位数，而不是平均值.

到目前为止我尝试过这个查询

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。这是因为当输入很少时，

ntile

的行为会很奇怪。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

您可以看到

ntile

仅使用 100 个桶中的前 4 个，其中

cume_dist

始终为您提供从 0 到 1 的数字。因此，如果您想找出第 99 个百分位数，您可以将所有内容都扔掉a

cume_dist

低于 0.99，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

和

percentile_disc

会让事情变得更加容易，因为您不必自己构建存储桶。前者甚至可以在值之间进行插值，如果您的数据集较小，这可能会很有用。

Answer 2

编辑：

请注意，自从我最初回答这个问题以来，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

此处。这些是在 9.4 中引入的。

原答案：

ntile

是计算百分位数的方式（以及其他 n 分位数，例如四分位数、十分位数等）。

ntile

将表尽可能均等地分组到指定数量的桶中。如果您指定 4 个存储桶，则这将是一个四分位数。 10 就是十分之一。

对于 percentile，您可以将存储桶数量设置为 100。

我不确定 500 是从哪里来的...如果您想确定您的数据位于哪个百分位数（即，将百万个计时尽可能平均地划分为 100 个桶），您可以使用

ntile

与参数为 100，组将有超过 500 个条目。

如果您不关心

avg

也不关心

max

，您可以从查询中删除一堆内容。所以它看起来像这样：

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