quantileTDigestWeighted

使用 t-digest 算法计算数字数据序列的近似 分位数。该函数考虑了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 是值的数量。

该函数的性能低于 quantile 或 quantileTiming。从状态大小与精度的比率来看，该函数比 quantile 更加优秀。

结果依赖于查询的运行顺序，结果是非确定性的。

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（即查询效率不如预期）。在这种情况下，请使用 quantiles 函数。

备注

使用 quantileTDigestWeighted 不推荐用于小型数据集，可能导致显著误差。在这种情况下，请考虑使用 quantileTDigest。

语法

别名：medianTDigestWeighted。

参数

• level — 分位数级别。可选参数。范围为 0 到 1 的常量浮点数。我们推荐在范围 [0.01, 0.99] 使用 level 值。默认值：0.5。在 level=0.5 时，该函数计算 中位数。
• expr — 针对列值的表达式，结果为数字 数据类型，Date 或 DateTime。
• weight — 包含序列元素权重的列。权重表示值出现的次数。

返回值

• 指定级别的近似分位数。

类型：

• 输入为数字数据类型时为 Float64。
• 输入值为 Date 类型时为 Date。
• 输入值为 DateTime 类型时为 DateTime。

示例

查询：

结果：

参见

• median
• quantiles