HiveSQL分位数函数percentile()使用详解+实例代码

前言

作为数据分析师每个SQL数据库的函数以及使用技能操作都得点满，尤其是关于统计函数的使用方法。关于统计出数据的中位数，众数和分位数的方法必须掌握几种，一般在实际业务上大部分都是以写SQL查询为主，因为如果想用Python的Pandas去做数据分析还得将数据导出来读出来，输出了结果还得再倒进去，十分的麻烦。若是能在SQL上面直接处理简单问题，那么效率要远高于导出做Pandas处理。本篇文章主要介绍percentile分位数函数使用方法，后几篇文章将主要详解每个SQL中统计函数的使用方法，感兴趣觉得帮助大的朋友可以关注。本篇博客博主将长期维护，若有错误请在评论区指出。

HiveSQL中关于分位数的计算主要是通过percentile() 和percentile_approx() 这两个函数来实现。

一、percentile()

函数使用语法：

percentile(col, p)

参数说明：
col：指定需要计算的列名，并且列的值必须为int类型。.

p：指定得到的分位数数值，取值范围为[0,1]，若为0.5则为中位数，若为0.75则为四分之三分位数，依此类推。

示例使用：

SELECT percentile(num,0.2) as two_parts#取二分位数
FROM dbbasename.table

另外还可以已数列的方式输入p，则也回返回一个数列，包含其输入数列对应的百分位数:

SELECT percentile(num,array(0.2,0.4,0.6)) as parts#取二分位数
FROM dbbasename.table

二、percentile_approx()

函数使用语法：

percentile_approx(DOUBLE col,p,B) 

求近似的第p个百分位数，p必须介于0和1之间，返回类型为double，但是col字段支持浮点类型。参数B控制内存消耗的近似精度，B越大，结果的精度越高。默认值为10000。当col字段中的distinct值的个数小于B时，结果就为准确的百分位数。

SELECT percentile_approx(num,0.2,9999) as two_parts#取二分位数
FROM dbbasename.table

当然一样也能输出数列：

SELECT percentile_approx(num,array(0.25,0.5,0.75)) as parts#取二分位数
FROM dbbasename.table