MSDNによると、MedianはTransact-SQLの集計関数として使用できません。ただし、この機能を作成できるかどうかを確認したいと思います(Create Aggregate関数、ユーザー定義関数、またはその他の方法を使用)。
これを行うには(可能な場合)最良の方法は何ですか?集約クエリで中央値(数値データ型を想定)の計算を可能にしますか?
MSDNによると、MedianはTransact-SQLの集計関数として使用できません。ただし、この機能を作成できるかどうかを確認したいと思います(Create Aggregate関数、ユーザー定義関数、またはその他の方法を使用)。
これを行うには(可能な場合)最良の方法は何ですか?集約クエリで中央値(数値データ型を想定)の計算を可能にしますか?
回答:
2019年の更新:この回答を書いてから10年間で、より良い結果をもたらす可能性のあるソリューションがさらに明らかになりました。また、それ以降のSQL Serverリリース(特にSQL 2012)では、中央値の計算に使用できる新しいT-SQL機能が導入されています。SQL Serverのリリースでは、クエリオプティマイザも改善されており、さまざまな中央値ソリューションのパフォーマンスに影響を与える可能性があります。ネットネット、私の最初の2009年の投稿はまだ大丈夫ですが、最新のSQL Serverアプリにはもっと良い解決策があるかもしれません。素晴らしいリソースである2012年のこの記事をご覧ください: https : //sqlperformance.com/2012/08/t-sql-queries/median
この記事では、少なくともテストした単純なスキーマでは、次のパターンが他のすべての代替案よりもはるかに高速であることを発見しました。このソリューションは、PERCENTILE_CONT
テストされた最も遅い()ソリューションより373倍高速(!!!)でした。このトリックには2つの個別のクエリが必要ですが、すべてのケースで実用的であるとは限りません。SQL 2012以降も必要です。
DECLARE @c BIGINT = (SELECT COUNT(*) FROM dbo.EvenRows);
SELECT AVG(1.0 * val)
FROM (
SELECT val FROM dbo.EvenRows
ORDER BY val
OFFSET (@c - 1) / 2 ROWS
FETCH NEXT 1 + (1 - @c % 2) ROWS ONLY
) AS x;
もちろん、2012年に1つのスキーマで1つのテストを行っただけで素晴らしい結果が得られたという理由だけで、特にSQL Server 2014以降を使用している場合は、走行距離が異なる場合があります。中央値の計算にperfが重要な場合は、その記事で推奨されているいくつかのオプションを試し、perfテストを実行して、スキーマに最適なオプションが見つかることを確認することを強くお勧めします。
上記のリンク先の記事で、この組み込み関数は最速のソリューションより373倍遅いことがわかったため、この質問の他の回答のPERCENTILE_CONT
1つで推奨されている(SQL Server 2012の新機能)関数の使用にも特に注意します。それ以来7年間でこの格差が改善された可能性がありますが、個人的には、他のソリューションと比較してそのパフォーマンスを確認するまで、大きなテーブルでこの関数を使用しませんでした。
2009年の元の投稿は以下のとおりです。
これを行う方法はたくさんあり、パフォーマンスは劇的に異なります。これは、中央値、ROW_NUMBER、パフォーマンスから特によく最適化された1つのソリューションです。これは、実行中に生成される実際のI / Oに関しては、特に最適なソリューションです。他のソリューションよりもコストがかかりますが、実際にははるかに高速です。
そのページには、他のソリューションとパフォーマンステストの詳細の説明も含まれています。中央値列の同じ値を持つ複数の行がある場合の明確化子としての一意の列の使用に注意してください。
すべてのデータベースパフォーマンスシナリオと同様に、実際のハードウェアで実際のデータを使用してソリューションをテストしてみてください。SQLServerのオプティマイザーへの変更や環境の特殊性により、通常は高速なソリューションが遅くなる時期はわかりません。
SELECT
CustomerId,
AVG(TotalDue)
FROM
(
SELECT
CustomerId,
TotalDue,
-- SalesOrderId in the ORDER BY is a disambiguator to break ties
ROW_NUMBER() OVER (
PARTITION BY CustomerId
ORDER BY TotalDue ASC, SalesOrderId ASC) AS RowAsc,
ROW_NUMBER() OVER (
PARTITION BY CustomerId
ORDER BY TotalDue DESC, SalesOrderId DESC) AS RowDesc
FROM Sales.SalesOrderHeader SOH
) x
WHERE
RowAsc IN (RowDesc, RowDesc - 1, RowDesc + 1)
GROUP BY CustomerId
ORDER BY CustomerId;
SQL 2005以上を使用している場合、これはテーブル内の単一の列に対する素晴らしくシンプルな中央値計算です。
SELECT
(
(SELECT MAX(Score) FROM
(SELECT TOP 50 PERCENT Score FROM Posts ORDER BY Score) AS BottomHalf)
+
(SELECT MIN(Score) FROM
(SELECT TOP 50 PERCENT Score FROM Posts ORDER BY Score DESC) AS TopHalf)
) / 2 AS Median
select gid, median(score) from T group by gid
です。そのために相関サブクエリが必要ですか?
SQL Server 2012では、PERCENTILE_CONTを使用する必要があります。
SELECT SalesOrderID, OrderQty,
PERCENTILE_CONT(0.5)
WITHIN GROUP (ORDER BY OrderQty)
OVER (PARTITION BY SalesOrderID) AS MedianCont
FROM Sales.SalesOrderDetail
WHERE SalesOrderID IN (43670, 43669, 43667, 43663)
ORDER BY SalesOrderID DESC
次も参照してください:http : //blog.sqlauthority.com/2011/11/20/sql-server-introduction-to-percentile_cont-analytic-functions-introduced-in-sql-server-2012/
DISTINCT
またはを追加する必要はありませんかGROUPY BY SalesOrderID
?そうしないと、多くの重複行ができてしまいます。
PERCENTILE_DISC
私の最初の簡単な答えは:
select max(my_column) as [my_column], quartile
from (select my_column, ntile(4) over (order by my_column) as [quartile]
from my_table) i
--where quartile = 2
group by quartile
これにより、一気に中央値と四分位範囲が得られます。中央値である1つの行だけが本当に必要な場合は、where句のコメントを外します。
これを説明プランに固執すると、作業の60%がデータをソートすることになります。これは、このような位置依存の統計を計算するときに避けられないことです。
以下のコメントでRobertŠevčík-Robajzからの優れた提案に従うように、回答を修正しました。
;with PartitionedData as
(select my_column, ntile(10) over (order by my_column) as [percentile]
from my_table),
MinimaAndMaxima as
(select min(my_column) as [low], max(my_column) as [high], percentile
from PartitionedData
group by percentile)
select
case
when b.percentile = 10 then cast(b.high as decimal(18,2))
else cast((a.low + b.high) as decimal(18,2)) / 2
end as [value], --b.high, a.low,
b.percentile
from MinimaAndMaxima a
join MinimaAndMaxima b on (a.percentile -1 = b.percentile) or (a.percentile = 10 and b.percentile = 10)
--where b.percentile = 5
これにより、データ項目の数が偶数の場合、正しい中央値とパーセンタイル値が計算されます。ここでも、パーセンタイル分布全体ではなく中央値のみが必要な場合は、最後のwhere句のコメントを外します。
さらに良い:
SELECT @Median = AVG(1.0 * val)
FROM
(
SELECT o.val, rn = ROW_NUMBER() OVER (ORDER BY o.val), c.c
FROM dbo.EvenRows AS o
CROSS JOIN (SELECT c = COUNT(*) FROM dbo.EvenRows) AS c
) AS x
WHERE rn IN ((c + 1)/2, (c + 2)/2);
マスター自身から、イツィク・ベンガン!
SQL ServerでCreate Aggregate関数を使用する場合は、次のようにします。この方法で行うと、クリーンなクエリを記述できるという利点があります。このプロセスは、パーセンタイル値をかなり簡単に計算するように適合できることに注意してください。
新しいVisual Studioプロジェクトを作成し、ターゲットフレームワークを.NET 3.5に設定します(これはSQL 2008の場合です。SQL2012では異なる場合があります)。次に、クラスファイルを作成し、次のコードまたは同等のc#を入力します。
Imports Microsoft.SqlServer.Server
Imports System.Data.SqlTypes
Imports System.IO
<Serializable>
<SqlUserDefinedAggregate(Format.UserDefined, IsInvariantToNulls:=True, IsInvariantToDuplicates:=False, _
IsInvariantToOrder:=True, MaxByteSize:=-1, IsNullIfEmpty:=True)>
Public Class Median
Implements IBinarySerialize
Private _items As List(Of Decimal)
Public Sub Init()
_items = New List(Of Decimal)()
End Sub
Public Sub Accumulate(value As SqlDecimal)
If Not value.IsNull Then
_items.Add(value.Value)
End If
End Sub
Public Sub Merge(other As Median)
If other._items IsNot Nothing Then
_items.AddRange(other._items)
End If
End Sub
Public Function Terminate() As SqlDecimal
If _items.Count <> 0 Then
Dim result As Decimal
_items = _items.OrderBy(Function(i) i).ToList()
If _items.Count Mod 2 = 0 Then
result = ((_items((_items.Count / 2) - 1)) + (_items(_items.Count / 2))) / 2@
Else
result = _items((_items.Count - 1) / 2)
End If
Return New SqlDecimal(result)
Else
Return New SqlDecimal()
End If
End Function
Public Sub Read(r As BinaryReader) Implements IBinarySerialize.Read
'deserialize it from a string
Dim list = r.ReadString()
_items = New List(Of Decimal)
For Each value In list.Split(","c)
Dim number As Decimal
If Decimal.TryParse(value, number) Then
_items.Add(number)
End If
Next
End Sub
Public Sub Write(w As BinaryWriter) Implements IBinarySerialize.Write
'serialize the list to a string
Dim list = ""
For Each item In _items
If list <> "" Then
list += ","
End If
list += item.ToString()
Next
w.Write(list)
End Sub
End Class
次に、それをコンパイルしてDLLとPDBファイルをSQL Serverマシンにコピーし、SQL Serverで次のコマンドを実行します。
CREATE ASSEMBLY CustomAggregate FROM '{path to your DLL}'
WITH PERMISSION_SET=SAFE;
GO
CREATE AGGREGATE Median(@value decimal(9, 3))
RETURNS decimal(9, 3)
EXTERNAL NAME [CustomAggregate].[{namespace of your DLL}.Median];
GO
次に、次のように中央値を計算するクエリを記述できます。SELECT dbo.Median(Field)FROM Table
中央値のセットベースのソリューションを探しているときに、このページに出くわしました。ここでいくつかの解決策を見た後、私は次のことを思いつきました。希望は助け/働きます。
DECLARE @test TABLE(
i int identity(1,1),
id int,
score float
)
INSERT INTO @test (id,score) VALUES (1,10)
INSERT INTO @test (id,score) VALUES (1,11)
INSERT INTO @test (id,score) VALUES (1,15)
INSERT INTO @test (id,score) VALUES (1,19)
INSERT INTO @test (id,score) VALUES (1,20)
INSERT INTO @test (id,score) VALUES (2,20)
INSERT INTO @test (id,score) VALUES (2,21)
INSERT INTO @test (id,score) VALUES (2,25)
INSERT INTO @test (id,score) VALUES (2,29)
INSERT INTO @test (id,score) VALUES (2,30)
INSERT INTO @test (id,score) VALUES (3,20)
INSERT INTO @test (id,score) VALUES (3,21)
INSERT INTO @test (id,score) VALUES (3,25)
INSERT INTO @test (id,score) VALUES (3,29)
DECLARE @counts TABLE(
id int,
cnt int
)
INSERT INTO @counts (
id,
cnt
)
SELECT
id,
COUNT(*)
FROM
@test
GROUP BY
id
SELECT
drv.id,
drv.start,
AVG(t.score)
FROM
(
SELECT
MIN(t.i)-1 AS start,
t.id
FROM
@test t
GROUP BY
t.id
) drv
INNER JOIN @test t ON drv.id = t.id
INNER JOIN @counts c ON t.id = c.id
WHERE
t.i = ((c.cnt+1)/2)+drv.start
OR (
t.i = (((c.cnt+1)%2) * ((c.cnt+2)/2))+drv.start
AND ((c.cnt+1)%2) * ((c.cnt+2)/2) <> 0
)
GROUP BY
drv.id,
drv.start
ジャスティングラントのソリューションはしっかりしているように見えますが、特定のパーティションキー内に多数の重複値がある場合、ASC重複値の行番号はシーケンスから外れ、適切に整列しないことがわかりました。
これが私の結果の断片です:
KEY VALUE ROWA ROWD
13 2 22 182
13 1 6 183
13 1 7 184
13 1 8 185
13 1 9 186
13 1 10 187
13 1 11 188
13 1 12 189
13 0 1 190
13 0 2 191
13 0 3 192
13 0 4 193
13 0 5 194
私はこのソリューションのベースとしてジャスティンのコードを使用しました。複数の派生テーブルを使用すると効率的ではありませんが、私が遭遇した行の順序付けの問題は解決されます。私はT-SQLの経験がないので、どんな改善も歓迎されます。
SELECT PKEY, cast(AVG(VALUE)as decimal(5,2)) as MEDIANVALUE
FROM
(
SELECT PKEY,VALUE,ROWA,ROWD,
'FLAG' = (CASE WHEN ROWA IN (ROWD,ROWD-1,ROWD+1) THEN 1 ELSE 0 END)
FROM
(
SELECT
PKEY,
cast(VALUE as decimal(5,2)) as VALUE,
ROWA,
ROW_NUMBER() OVER (PARTITION BY PKEY ORDER BY ROWA DESC) as ROWD
FROM
(
SELECT
PKEY,
VALUE,
ROW_NUMBER() OVER (PARTITION BY PKEY ORDER BY VALUE ASC,PKEY ASC ) as ROWA
FROM [MTEST]
)T1
)T2
)T3
WHERE FLAG = '1'
GROUP BY PKEY
ORDER BY PKEY
上記のジャスティンの例は非常に良いです。しかし、その主キーの必要性は非常に明確に述べられるべきです。キーなしで実際にコードが見られ、結果は悪いです。
Percentile_Contに関して私が得た不満は、データセットからの実際の値を提供しないことです。データセットから実際の値である「中央値」を取得するには、Percentile_Discを使用します。
SELECT SalesOrderID, OrderQty,
PERCENTILE_DISC(0.5)
WITHIN GROUP (ORDER BY OrderQty)
OVER (PARTITION BY SalesOrderID) AS MedianCont
FROM Sales.SalesOrderDetail
WHERE SalesOrderID IN (43670, 43669, 43667, 43663)
ORDER BY SalesOrderID DESC
UDFで、次のように記述します。
Select Top 1 medianSortColumn from Table T
Where (Select Count(*) from Table
Where MedianSortColumn <
(Select Count(*) From Table) / 2)
Order By medianSortColumn
中央値の発見
これは、属性の中央値を見つける最も簡単な方法です。
Select round(S.salary,4) median from employee S where (select count(salary) from station where salary < S.salary ) = (select count(salary) from station where salary > S.salary)
SQLでの中央値計算のその他のソリューションは、「MySQLで中央値を計算する簡単な方法」を参照してください(ほとんどのソリューションはベンダーに依存しません)。
COUNT集計を使用すると、最初に行の数を数え、@ cntという変数に格納できます。次に、OFFSET-FETCHフィルターのパラメーターを計算して、数量順序に基づいて、スキップする行数(オフセット値)とフィルター処理する行数(フェッチ値)を指定できます。
スキップする行数は(@cnt-1)/ 2です。奇数の場合、この計算は正しいことは明らかです。2で除算する前に、最初に単一の中間値から1を減算するからです。
式で使用される除算は整数除算であるため、これは偶数カウントでも正しく機能します。したがって、偶数から1を引くと、奇数の値が残ります。
その奇数の値を2で除算すると、結果の小数部(.5)は切り捨てられます。フェッチする行数は2-(@cnt%2)です。考え方は、カウントが奇数の場合、モジュロ演算の結果は1であり、1行をフェッチする必要があるということです。カウントが偶数演算の結果が偶数の場合は0であり、2行をフェッチする必要があります。2からモジュロ演算の1または0の結果を引くと、それぞれ目的の1または2が得られます。最後に、中央値の数量を計算するには、1つまたは2つの結果数量を取得し、次のように入力整数値を数値に変換した後に平均を適用します。
DECLARE @cnt AS INT = (SELECT COUNT(*) FROM [Sales].[production].[stocks]);
SELECT AVG(1.0 * quantity) AS median
FROM ( SELECT quantity
FROM [Sales].[production].[stocks]
ORDER BY quantity
OFFSET (@cnt - 1) / 2 ROWS FETCH NEXT 2 - @cnt % 2 ROWS ONLY ) AS D;
自分で解決策を考えたかったのですが、頭がおかしくなり途中で落ちてしまいました。うまくいくと思いますが、午前中に説明するように言わないでください。:P
DECLARE @table AS TABLE
(
Number int not null
);
insert into @table select 2;
insert into @table select 4;
insert into @table select 9;
insert into @table select 15;
insert into @table select 22;
insert into @table select 26;
insert into @table select 37;
insert into @table select 49;
DECLARE @Count AS INT
SELECT @Count = COUNT(*) FROM @table;
WITH MyResults(RowNo, Number) AS
(
SELECT RowNo, Number FROM
(SELECT ROW_NUMBER() OVER (ORDER BY Number) AS RowNo, Number FROM @table) AS Foo
)
SELECT AVG(Number) FROM MyResults WHERE RowNo = (@Count+1)/2 OR RowNo = ((@Count+1)%2) * ((@Count+2)/2)
--Create Temp Table to Store Results in
DECLARE @results AS TABLE
(
[Month] datetime not null
,[Median] int not null
);
--This variable will determine the date
DECLARE @IntDate as int
set @IntDate = -13
WHILE (@IntDate < 0)
BEGIN
--Create Temp Table
DECLARE @table AS TABLE
(
[Rank] int not null
,[Days Open] int not null
);
--Insert records into Temp Table
insert into @table
SELECT
rank() OVER (ORDER BY DATEADD(mm, DATEDIFF(mm, 0, DATEADD(ss, SVR.close_date, '1970')), 0), DATEDIFF(day,DATEADD(ss, SVR.open_date, '1970'),DATEADD(ss, SVR.close_date, '1970')),[SVR].[ref_num]) as [Rank]
,DATEDIFF(day,DATEADD(ss, SVR.open_date, '1970'),DATEADD(ss, SVR.close_date, '1970')) as [Days Open]
FROM
mdbrpt.dbo.View_Request SVR
LEFT OUTER JOIN dbo.dtv_apps_systems vapp
on SVR.category = vapp.persid
LEFT OUTER JOIN dbo.prob_ctg pctg
on SVR.category = pctg.persid
Left Outer Join [mdbrpt].[dbo].[rootcause] as [Root Cause]
on [SVR].[rootcause]=[Root Cause].[id]
Left Outer Join [mdbrpt].[dbo].[cr_stat] as [Status]
on [SVR].[status]=[Status].[code]
LEFT OUTER JOIN [mdbrpt].[dbo].[net_res] as [net]
on [net].[id]=SVR.[affected_rc]
WHERE
SVR.Type IN ('P')
AND
SVR.close_date IS NOT NULL
AND
[Status].[SYM] = 'Closed'
AND
SVR.parent is null
AND
[Root Cause].[sym] in ( 'RC - Application','RC - Hardware', 'RC - Operational', 'RC - Unknown')
AND
(
[vapp].[appl_name] in ('3PI','Billing Rpts/Files','Collabrent','Reports','STMS','STMS 2','Telco','Comergent','OOM','C3-BAU','C3-DD','DIRECTV','DIRECTV Sales','DIRECTV Self Care','Dealer Website','EI Servlet','Enterprise Integration','ET','ICAN','ODS','SB-SCM','SeeBeyond','Digital Dashboard','IVR','OMS','Order Services','Retail Services','OSCAR','SAP','CTI','RIO','RIO Call Center','RIO Field Services','FSS-RIO3','TAOS','TCS')
OR
pctg.sym in ('Systems.Release Health Dashboard.Problem','DTV QA Test.Enterprise Release.Deferred Defect Log')
AND
[Net].[nr_desc] in ('3PI','Billing Rpts/Files','Collabrent','Reports','STMS','STMS 2','Telco','Comergent','OOM','C3-BAU','C3-DD','DIRECTV','DIRECTV Sales','DIRECTV Self Care','Dealer Website','EI Servlet','Enterprise Integration','ET','ICAN','ODS','SB-SCM','SeeBeyond','Digital Dashboard','IVR','OMS','Order Services','Retail Services','OSCAR','SAP','CTI','RIO','RIO Call Center','RIO Field Services','FSS-RIO3','TAOS','TCS')
)
AND
DATEADD(mm, DATEDIFF(mm, 0, DATEADD(ss, SVR.close_date, '1970')), 0) = DATEADD(mm, DATEDIFF(mm,0,DATEADD(mm,@IntDate,getdate())), 0)
ORDER BY [Days Open]
DECLARE @Count AS INT
SELECT @Count = COUNT(*) FROM @table;
WITH MyResults(RowNo, [Days Open]) AS
(
SELECT RowNo, [Days Open] FROM
(SELECT ROW_NUMBER() OVER (ORDER BY [Days Open]) AS RowNo, [Days Open] FROM @table) AS Foo
)
insert into @results
SELECT
DATEADD(mm, DATEDIFF(mm,0,DATEADD(mm,@IntDate,getdate())), 0) as [Month]
,AVG([Days Open])as [Median] FROM MyResults WHERE RowNo = (@Count+1)/2 OR RowNo = ((@Count+1)%2) * ((@Count+2)/2)
set @IntDate = @IntDate+1
DELETE FROM @table
END
select *
from @results
order by [Month]
これはSQL 2000で機能します。
DECLARE @testTable TABLE
(
VALUE INT
)
--INSERT INTO @testTable -- Even Test
--SELECT 3 UNION ALL
--SELECT 5 UNION ALL
--SELECT 7 UNION ALL
--SELECT 12 UNION ALL
--SELECT 13 UNION ALL
--SELECT 14 UNION ALL
--SELECT 21 UNION ALL
--SELECT 23 UNION ALL
--SELECT 23 UNION ALL
--SELECT 23 UNION ALL
--SELECT 23 UNION ALL
--SELECT 29 UNION ALL
--SELECT 40 UNION ALL
--SELECT 56
--
--INSERT INTO @testTable -- Odd Test
--SELECT 3 UNION ALL
--SELECT 5 UNION ALL
--SELECT 7 UNION ALL
--SELECT 12 UNION ALL
--SELECT 13 UNION ALL
--SELECT 14 UNION ALL
--SELECT 21 UNION ALL
--SELECT 23 UNION ALL
--SELECT 23 UNION ALL
--SELECT 23 UNION ALL
--SELECT 23 UNION ALL
--SELECT 29 UNION ALL
--SELECT 39 UNION ALL
--SELECT 40 UNION ALL
--SELECT 56
DECLARE @RowAsc TABLE
(
ID INT IDENTITY,
Amount INT
)
INSERT INTO @RowAsc
SELECT VALUE
FROM @testTable
ORDER BY VALUE ASC
SELECT AVG(amount)
FROM @RowAsc ra
WHERE ra.id IN
(
SELECT ID
FROM @RowAsc
WHERE ra.id -
(
SELECT MAX(id) / 2.0
FROM @RowAsc
) BETWEEN 0 AND 1
)
非常に基本的なことを学んでいる私のような初心者にとって、何が起こっているのか、中央値がどこから来ているのかを正確に理解するのが簡単なので、私は個人的にこの例を理解するのが簡単だと思います...
select
( max(a.[Value1]) + min(a.[Value1]) ) / 2 as [Median Value1]
,( max(a.[Value2]) + min(a.[Value2]) ) / 2 as [Median Value2]
from (select
datediff(dd,startdate,enddate) as [Value1]
,xxxxxxxxxxxxxx as [Value2]
from dbo.table1
)a
しかし、上記のコードのいくつかに絶対に畏敬の念を抱いています!!!
次のソリューションは、これらの前提の下で機能します。
コード:
IF OBJECT_ID('dbo.R', 'U') IS NOT NULL
DROP TABLE dbo.R
CREATE TABLE R (
A FLOAT NOT NULL);
INSERT INTO R VALUES (1);
INSERT INTO R VALUES (2);
INSERT INTO R VALUES (3);
INSERT INTO R VALUES (4);
INSERT INTO R VALUES (5);
INSERT INTO R VALUES (6);
-- Returns Median(R)
select SUM(A) / CAST(COUNT(A) AS FLOAT)
from R R1
where ((select count(A) from R R2 where R1.A > R2.A) =
(select count(A) from R R2 where R1.A < R2.A)) OR
((select count(A) from R R2 where R1.A > R2.A) + 1 =
(select count(A) from R R2 where R1.A < R2.A)) OR
((select count(A) from R R2 where R1.A > R2.A) =
(select count(A) from R R2 where R1.A < R2.A) + 1) ;
いくつかの代替案を試してみましたが、データレコードに値が繰り返されているため、ROW_NUMBERバージョンを選択することはできません。したがって、ここで私が使用したクエリ(NTILEを使用したバージョン):
SELECT distinct
CustomerId,
(
MAX(CASE WHEN Percent50_Asc=1 THEN TotalDue END) OVER (PARTITION BY CustomerId) +
MIN(CASE WHEN Percent50_desc=1 THEN TotalDue END) OVER (PARTITION BY CustomerId)
)/2 MEDIAN
FROM
(
SELECT
CustomerId,
TotalDue,
NTILE(2) OVER (
PARTITION BY CustomerId
ORDER BY TotalDue ASC) AS Percent50_Asc,
NTILE(2) OVER (
PARTITION BY CustomerId
ORDER BY TotalDue DESC) AS Percent50_desc
FROM Sales.SalesOrderHeader SOH
) x
ORDER BY CustomerId;
上記のJeff Atwoodの回答に基づいて、GROUP BYと相関サブクエリを使用して、各グループの中央値を取得します。
SELECT TestID,
(
(SELECT MAX(Score) FROM
(SELECT TOP 50 PERCENT Score FROM Posts WHERE TestID = Posts_parent.TestID ORDER BY Score) AS BottomHalf)
+
(SELECT MIN(Score) FROM
(SELECT TOP 50 PERCENT Score FROM Posts WHERE TestID = Posts_parent.TestID ORDER BY Score DESC) AS TopHalf)
) / 2 AS MedianScore,
AVG(Score) AS AvgScore, MIN(Score) AS MinScore, MAX(Score) AS MaxScore
FROM Posts_parent
GROUP BY Posts_parent.TestID
多くの場合、テーブル全体だけでなく、一部のIDに関する集計についても中央値を計算する必要があります。つまり、テーブルの各IDの中央値を計算します。各IDには多くのレコードがあります。(@gdoronによって編集されたソリューションに基づく:優れたパフォーマンスと多くのSQLで機能)
SELECT our_id, AVG(1.0 * our_val) as Median
FROM
( SELECT our_id, our_val,
COUNT(*) OVER (PARTITION BY our_id) AS cnt,
ROW_NUMBER() OVER (PARTITION BY our_id ORDER BY our_val) AS rnk
FROM our_table
) AS x
WHERE rnk IN ((cnt + 1)/2, (cnt + 2)/2) GROUP BY our_id;
それが役に立てば幸い。
あなたの質問については、ジェフ・アトウッドはすでにシンプルで効果的なソリューションを提供してくれました。ただし、中央値を計算する別の方法を探している場合は、以下のSQLコードが役立ちます。
create table employees(salary int);
insert into employees values(8); insert into employees values(23); insert into employees values(45); insert into employees values(123); insert into employees values(93); insert into employees values(2342); insert into employees values(2238);
select * from employees;
declare @odd_even int; declare @cnt int; declare @middle_no int;
set @cnt=(select count(*) from employees); set @middle_no=(@cnt/2)+1; select @odd_even=case when (@cnt%2=0) THEN -1 ELse 0 END ;
select AVG(tbl.salary) from (select salary,ROW_NUMBER() over (order by salary) as rno from employees group by salary) tbl where tbl.rno=@middle_no or tbl.rno=@middle_no+@odd_even;
MySQLで中央値を計算する場合は、このgithubリンクが役立ちます。
これは、私が考えることができる中央値を見つけるための最も最適なソリューションです。例の名前は、ジャスティンの例に基づいています。テーブルSales.SalesOrderHeaderのインデックスが存在し、インデックス列CustomerIdとTotalDueがこの順序で存在することを確認します。
SELECT
sohCount.CustomerId,
AVG(sohMid.TotalDue) as TotalDueMedian
FROM
(SELECT
soh.CustomerId,
COUNT(*) as NumberOfRows
FROM
Sales.SalesOrderHeader soh
GROUP BY soh.CustomerId) As sohCount
CROSS APPLY
(Select
soh.TotalDue
FROM
Sales.SalesOrderHeader soh
WHERE soh.CustomerId = sohCount.CustomerId
ORDER BY soh.TotalDue
OFFSET sohCount.NumberOfRows / 2 - ((sohCount.NumberOfRows + 1) % 2) ROWS
FETCH NEXT 1 + ((sohCount.NumberOfRows + 1) % 2) ROWS ONLY
) As sohMid
GROUP BY sohCount.CustomerId
更新
どのメソッドが最高のパフォーマンスを発揮するかについて少し確信が持てなかったため、1つのバッチで3つのメソッドすべてに基づいてクエリを実行することにより、メソッドJustin GrantsとJeff Atwoodsを比較し、各クエリのバッチコストは次のとおりでした。
インデックスなし:
そしてインデックス付き
インデックスがある場合、2から512倍の係数で約14 000行からより多くのデータを作成することで、クエリがどの程度適切にスケーリングするかを確認しようとしました。つまり、最終的には約720万行になります。注:1つのコピーを実行するたびにCustomeIdフィールドが一意になるようにしたので、CustomerIdの一意のインスタンスと比較した行の比率は一定に保たれました。これを実行しているときに、後でインデックスを再構築する実行を実行しました。結果は、これらの値に必要なデータで約128の係数で安定していることに気付きました。
行数のスケーリングによってパフォーマンスがどのように影響を受ける可能性があるかを考えましたが、一意のCustomerIdを一定に維持したため、これを実行する新しいテストをセットアップしました。これで、安定化する代わりに、バッチコスト比は発散し続けました。また、このような一意のIDごとに、最終的には、平均でCustomerIdごとに約20行が約10000行でした。以下の数字:
結果を比較することで、各メソッドを正しく実装したことを確認しました。私の結論は、インデックスが存在する限り、私が使用した方法は一般的に高速であるということです。このメソッドは、この記事のこの特定の問題に推奨されるものであることに注意してくださいhttps://www.microsoftpressstore.com/articles/article.aspx?p=2314819&seqNum=5
このクエリに対する後続の呼び出しのパフォーマンスをさらに改善する方法は、カウント情報を補助テーブルに永続化することです。CustomerIdに依存するSalesOrderHeader行の数に関する情報を更新および保持するトリガーを設定することで、それを維持することもできます。もちろん、単純に中央値を格納することもできます。
大規模なデータセットの場合、このGISTを試すことができます。
https://gist.github.com/chrisknoll/1b38761ce8c5016ec5b2
これは、セットで見つかる個別の値(年齢、誕生年など)を集計することで機能し、SQLウィンドウ関数を使用して、クエリで指定したパーセンタイル位置を特定します。