quantileTDigestWeighted

使用 t-digest 算法对数值数据序列计算近似的分位数。该函数会考虑序列中每个成员的权重。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。就 State 大小与精度的比率而言，该函数远好于 quantile。

结果依赖于查询的执行顺序，因此是非确定性的。

在一个查询中使用多个具有不同分位水平（level）的 quantile* 函数时，它们的内部状态不会被合并（也就是说，该查询的运行效率低于其理论最优）。在这种情况下，请使用 quantiles 函数。

注意

不推荐在很小的数据集上使用 quantileTDigestWeighted，否则可能导致显著误差。在这种情况下，请考虑是否可以使用 quantileTDigest。

语法

quantileTDigestWeighted(level)(expr, weight)

别名：medianTDigestWeighted。

参数

• level — 分位数的级别。可选参数。0 到 1 之间的常量浮点数。建议在 [0.01, 0.99] 范围内使用 level 值。默认值：0.5。在 level=0.5 时，函数计算中位数。
• expr — 针对列值的表达式，结果为数值型数据类型、Date 或 DateTime。
• weight — 包含序列元素权重的列。权重为该值出现的次数。

返回值

• 指定级别的近似分位数。

类型：

• 数值数据类型输入时返回 Float64。
• 输入值为 Date 类型时返回 Date。
• 输入值为 DateTime 类型时返回 DateTime。

示例

查询：

SELECT quantileTDigestWeighted(number, 1) FROM numbers(10)

结果：

┌─quantileTDigestWeighted(number, 1)─┐
│                                4.5 │
└────────────────────────────────────┘

另请参阅

• median
• quantiles