quantileTDigestWeighted

使用 分位数 算法计算数值数据序列的近似 t-digest。此函数考虑每个序列成员的权重。最大误差为 1%。内存消耗为 log(n)，其中 n 是值的个数。

此函数的性能低于 quantile 或 quantileTiming 的性能。在状态大小与精度的比率方面，此函数比 quantile 好得多。

结果取决于查询运行的顺序，是非确定性的。

在查询中使用多个具有不同级别的 quantile* 函数时，内部状态不会合并（即，查询的工作效率低于其可能达到的效率）。在这种情况下，请使用 quantiles 函数。

注意

对于小型数据集，不建议使用 quantileTDigestWeighted，这可能会导致明显的误差。在这种情况下，请考虑使用 quantileTDigest。

语法

quantileTDigestWeighted(level)(expr, weight)

别名：medianTDigestWeighted。

参数

• level — 分位数的级别。可选参数。0 到 1 之间的常量浮点数。我们建议在 [0.01, 0.99] 范围内使用 level 值。默认值：0.5。当 level=0.5 时，函数计算 中位数。
• expr — 对列值进行运算的表达式，生成数值 数据类型、Date 或 DateTime。
• weight — 包含序列元素权重的列。权重是值出现的次数。

返回值

• 指定级别的近似分位数。

类型

• 对于数值数据类型输入，为 Float64。
• 如果输入值的数据类型为 Date，则为 Date。
• 如果输入值的数据类型为 DateTime，则为 DateTime。

示例

查询

SELECT quantileTDigestWeighted(number, 1) FROM numbers(10)

结果

┌─quantileTDigestWeighted(number, 1)─┐
│                                4.5 │
└────────────────────────────────────┘

另请参阅

• median
• quantiles