quantileTDigestWeighted

使用 t-digest 算法计算数值数据序列的近似 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。在状态大小与精度的比率方面，该函数比 quantile 要好得多。

结果依赖于查询运行的顺序，是非确定性的。

在查询中使用多个不同水平的 quantile* 函数时，内部状态不会被结合（即，查询的效率低于其可以达到的效率）。在这种情况下，请使用 quantiles 函数。

备注

使用 quantileTDigestWeighted 不推荐用于小数据集，可能会导致显著的误差。在这种情况下，可以考虑使用 quantileTDigest 替代。

语法

别名: medianTDigestWeighted。

参数

• level — 分位数的水平。可选参数。常量浮点数，范围从 0 到 1。我们推荐使用 [0.01, 0.99] 范围内的 level 值。默认值：0.5。在 level=0.5 时，该函数计算 中位数。
• expr — 对列值的表达式，结果为数值 数据类型、Date 或 DateTime。
• weight — 包含序列元素权重的列。权重是值出现的次数。

返回值

• 指定水平的近似分位数。

类型：

• 对于数值数据类型输入，返回 Float64。
• 如果输入值具有 Date 类型，则返回 Date。
• 如果输入值具有 DateTime 类型，则返回 DateTime。

示例

查询：

结果：

另见

• median
• quantiles