データベースで中央値列を見つけるにはどうすればよいですか？

普及地域の住居の建設期間に関するデータがあります。このデータを私の調査地域に転送しました。各調査地域の建設期間の中央値を決定したいと思います。唯一の問題は、列の情報が住居の数であり、それらの中央値は必要ないということですが、列のタイトルが新しいフィールド（またはそれを示す他の何か、できればテキストの期間）の行に入力されます形式ですが、ピリオドを示す単なる数値であれば、それは世界の終わりではありません）。

関連するフィールドが強調表示された属性テーブルの画像を添付しています。MEDIANフィールドはありますが、私が使用しているデータは他の人が作成したものであり、文書化が不十分であるため、計算がすでに行われたかどうかはわかりません。

（7つの列は、時系列順に並べられた7つの重複しない期間を表します。[中央値]フィールドは、全体の建設が半分完了した期間を示すように見えます。つまり、中央値の時間を記録します。）

列が時間順に表示されていると仮定すると、最初の行（たとえば）は、各期間の全体の建設が完了したことを示します

0, 0+45 = 45, 45+135 = 180, 180+405 = 585, 585+1010 = 1595, ..., 2230+0 = 2230.

建設は2230/2 = 1115で途中で終了しました。これは、期間3の終わりに合計が585、期間4の終わりに合計が1595、および585 <= 1115 <1595だったため、期間4中に発生しました。

これは、期間のインデックスを示す[中央値]列によって報告された結果のようです（左側の1から開始）。

これを好きな言語でコーディングできます。ただし、テーブルは非常に小さい（100行）ので、Pythonなどで正式に何を行うかを確認する場合にのみ、スプレッドシートが便利です。これは次のようになります。

最初の3つのデータ行の値は同じです。次の2つのデータ行（空白行で囲まれている）は、テーブルのさらに下で選択されます。最後の5つのデータ行は、アルゴリズムを少し実行します。

（スプレッドシートの最後の2行に示されているように、中央が2つの期間のちょうど真ん中にある場合に Excelが後の期間を選択する方法に注意してください。これは必ずしも「正しい」答えではありませんが、有効な答えです。）

H：R列の数式は次のとおりです。

すべてを入力する必要はありません。必要な唯一の入力は次のとおりです。

• =H2+A2I2で。これをO2にドラッグします。これは、累積合計を計算します。列A：Gが時系列であることが必要です。

• =O2/2P2で。これは合計の半分を見つけます。

• =Match(P2,H2:O2,1)Q2。これは、構築が半分完了した列にインデックスを付けます。

• =Offset($A$1:$G$1,0 0, Q2-1, 1, 1)R2で。これにより、インデックスに対応する列見出しが取得されます。

次に0、列Hのすべてに貼り付け、I2：R2を必要な数の行までドラッグします。

これは事実上、アルゴリズムの疑似コードとして機能します。最もトリッキーな部分は、ExcelのMATCH機能を実装するための検索です。しかし、これには工夫は必要ありません。これらの配列は非常に短いため、累積合計の各配列を（推奨されるバイナリ検索アルゴリズムではなく）順次検索することは非効率的ではありません。

列の中央値を返したい場合は、おそらくPythonカーソルを使用して行を反復処理します。フィールドを使用してリストに入力し、作成したリストでsorted（）関数を呼び出した後、中央のアイテム（7アイテムの場合は[3]でインデックス付けされます）を返します。昼食から戻ったら、少しコードを書きます。