在 AWS Redshift 中使用 Group By 计算中位数答案

【问题标题】：Calculating median with Group By in AWS Redshift在 AWS Redshift 中使用 Group By 计算中位数
【发布时间】：2015-04-14 22:41:31
【问题描述】：

我见过other posts about using the median() window function in Redshift，但是你会如何将它与最后有 group by 的查询一起使用？

例如，假设餐桌课程：

Course | Subject | Num_Students
-------------------------------
   1   |  Math   |      4
   2   |  Math   |      6
   3   |  Math   |      10
   4   | Science |      2
   5   | Science |      10
   6   | Science |      12

我想获得每个课程科目的学生人数中位数。我将如何编写一个给出以下结果的查询：

  Subject  | Median
-----------------------
 Math      |     6
 Science   |     10

我试过了：

SELECT
subject, median(num_students) over ()
FROM
course
GROUP BY 1
;

但它列出了主题的每次出现以及主题中相同的中位数，例如（这是假数据，因此它返回的实际值不是 6，而只是显示所有主题中的相同）：

  Subject  | Median
-----------------------
 Math      |     6
 Math      |     6
 Math      |     6
 Science   |     6
 Science   |     6
 Science   |     6

【问题讨论】：

标签： group-by amazon-redshift window-functions

【解决方案1】：

以下内容将为您提供您正在寻找的结果：

SELECT distinct
subject, median(num_students) over(partition by Subject) 
FROM
course
order by Subject;

【讨论】：

【解决方案2】：

您只需要删除它的“over()”部分。

SELECT subject, median(num_students) FROM course GROUP BY 1;

【讨论】：

这个答案和@isaac.hazan 的答案都是正确的。这个答案使用了简单的 median() 函数，而 isaac.hazan 的使用了中值窗口函数（这在更复杂的场景中很有用）

【解决方案3】：

您尚未在窗口中定义分区。你需要OVER(PARTITION BY subject) 而不是OVER()。

【讨论】：

感谢 Jakub 的提示。当我这样做时，它说我需要按 num_students 分组。当我这样做时，它确实为每个主题提供了不同的中位数，但同一个主题出现多次而不是一次......
@clavid 删除 GROUP BY 并使用 DISTINCT 或使用子查询来计算外部查询中的中位数和分组。

【解决方案4】：

假设您要按主题计算其他聚合，例如 avg()，你需要使用子查询：

WITH subject_numstudents_medianstudents AS (
    SELECT
        subject
        , num_students
        , median(num_students) over (partition BY subject) AS median_students
    FROM
        course
)
SELECT
    subject
    , median_students
    , avg(num_students) as avg_students
FROM subject_numstudents_medianstudents
GROUP BY 1, 2

【讨论】：