quantileGK

计算一个数字数据序列的 分位数，使用 Greenwald-Khanna 算法。Greenwald-Khanna 算法用于以高效方式计算数据流上的分位数。该算法由 Michael Greenwald 和 Sanjeev Khanna 于 2001 年提出。它在数据库和大数据系统中广泛使用，因为在实时处理大量数据流时需要计算精确的分位数。该算法非常高效，空间复杂度为 O(log n)，每个项目的时间复杂度为 O(log log n)（其中 n 是输入的大小）。它还具有很高的准确性，以较高的概率提供近似的分位数值。

quantileGK 与 ClickHouse 中的其他分位数函数不同，因为它使用户能够控制近似分位数结果的准确性。

语法

别名：medianGK。

参数

• accuracy — 分位数的准确性。常数正整数。较大的准确度值意味着误差较小。例如，如果将准确度参数设置为 100，计算出的分位数的误差不会大于 1%，以较高的概率。计算的分位数的准确性与算法的计算复杂性之间存在权衡。较大的准确度需要更多的内存和计算资源以准确计算分位数，而较小的准确度参数则可以实现更快和更节省内存的计算，但准确性稍低。

• level — 分位数的级别。可选参数。常数浮点数，范围从 0 到 1。默认值：0.5。在 level=0.5 时，该函数计算 中位数。

• expr — 表示列值的表达式，结果为数字 数据类型， Date 或 DateTime。

返回值

• 指定级别和准确性下的分位数。

类型：

• 输入为数字数据类型时为 Float64。
• 如果输入值为 Date 类型，则返回 Date。
• 如果输入值为 DateTime 类型，则返回 DateTime。

示例

参见

• median
• quantiles