T-SQL：计算列的第 N 个百分位值答案

【问题标题】：T-SQL: Calculating the Nth Percentile Value from columnT-SQL：计算列的第 N 个百分位值
【发布时间】：2019-01-25 23:25:30
【问题描述】：

我有一列数据，其中一些是 NULL 值，我希望从中提取单个第 90 个百分位值：

ColA
-----
NULL
100
200
300
NULL
400
500
600
700
800
900
1000

对于上述内容，我正在寻找一种技术，它在搜索第 90 个百分位时返回值 900，在第 80 个百分位搜索时返回 800，等等。类似的函数是 AVG(ColA)，它为上述数据返回 550，或返回 100 的 MIN(ColA) 等。

有什么建议吗？

【问题讨论】：

你总是有 10 个非空值吗？

标签： sql tsql

【解决方案1】：

如果你想准确地得到第 90 个百分位值，不包括 NULL，我建议直接进行计算。以下版本计算行数和行数，并选择合适的值：

select max(case when rownum*1.0/numrows <= 0.9 then colA end) as percentile_90th
from (select colA,
             row_number() over (order by colA) as rownum,
             count(*) over (partition by NULL) as numrows
      from t
      where colA is not null
     ) t

我将条件放在 SELECT 子句而不是 WHERE 子句中，因此您可以轻松获得第 50 个百分位数、第 17 个百分位数或任何您想要的值。

【讨论】：

如果操作只寻找一个值作为第 90 个百分位数，不应该是所有第 90 个百分位数的平均值或中值吗？比如说，位置 90.5 而不是位置 90.0？
@Dems ...不完全是。一般来说，如果存在，拆分将恰好是 90% 的值。否则，传统上将其视为紧接之前和紧接之后的值的平均值。我认为第 90 个图块的平均值更接近您的想法。一个有效的计算，但不是所谓的第 90 个百分位数。对于如何处理重复值可能存在很大分歧，因为相同的值可能是第 80 个百分位数和第 90 个百分位数（在任一计算中）。
为迟到的“接受”道歉！你的答案是我用的，戈登。再次感谢。

【解决方案2】：

WITH
  percentiles AS
(
  SELECT
    NTILE(100) OVER (ORDER BY ColA) AS percentile,
    *
  FROM
    data
)
SELECT
  *
FROM
  percentiles
WHERE
  percentile = 90

注意：如果数据的观测值少于 100，则并非所有百分位数都有值。同样，如果您有超过 100 个观察值，某些百分位数将包含更多值。

【讨论】：

+1 表示NTILE。请注意，如果值少于 100 个，假设只有 50 个值...那么百分位数将为 1 - 50... 因此，如果值超过 90 个，则只有 90 个百分位数。
谢谢。这是朝着正确方向迈出的一步。我正在编辑我的帖子以指出另外两个要求：数据包含许多 NULL，它们应该被忽略，我的目标是导出一个值（ 90th 百分位值）。

【解决方案3】：

从 SQL Server 2012 开始，现在有 PERCENTILE_DISC 和 PERCENTILE_CONT 逆分布函数。这些（到目前为止）仅可用作窗口函数，而不是聚合函数，因此由于缺少分组，您必须删除冗余结果，例如通过使用DISTINCT 或TOP 1：

WITH t AS (
  SELECT *
  FROM (
    VALUES(NULL),(100),(200),(300),
      (NULL),(400),(500),(600),(700),
      (800),(900),(1000)
  ) t(ColA)
)
SELECT DISTINCT percentile_disc(0.9) WITHIN GROUP (ORDER BY ColA) OVER()
FROM t
;

I have blogged about percentiles more in detail here.

【讨论】：