跳到主要内容
跳到主要内容

quantileTDigest

使用 t-digest 算法计算数字数据序列的近似 分位数

内存消耗为 log(n),其中 n 是值的数量。结果依赖于查询的运行顺序,并且是非确定性的。

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

在查询中使用多个不同级别的 quantile* 函数时,内部状态不会合并(即,查询的效率低于可能的效率)。在这种情况下,使用 quantiles 函数。

语法

别名:medianTDigest

参数

  • level — 分位数级别。可选参数。介于 0 到 1 之间的常量浮点数。我们建议使用 level 值范围为 [0.01, 0.99]。默认值:0.5。在 level=0.5 时,该函数计算 中位数
  • expr — 表达式,针对列值生成数字 数据类型日期日期时间

返回值

  • 指定级别的近似分位数。

类型:

  • 对于数字数据类型输入,返回 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

查询:

结果:

另见