使用SQL进行有效的百分位数选择
是通过SQL语句从数据表中选择指定百分位数的方法。百分位数是一种统计学上的概念，用于衡量一组数据中某一特定百分比处的值。
在SQL中，可以使用以下方法来选择指定百分位数：
- 使用PERCENTILE_CONT函数：该函数可以计算指定百分位数的值，并返回一个插值结果。它接受两个参数：要计算的百分位数和数据列。示例代码如下：
- 使用PERCENTILE_CONT函数：该函数可以计算指定百分位数的值，并返回一个插值结果。它接受两个参数：要计算的百分位数和数据列。示例代码如下：
- 该代码将返回数据表中某一列的中位数。
- 使用PERCENTILE_DISC函数：该函数可以选择一个最接近指定百分位数的实际数据值，并返回该值。它接受两个参数：要计算的百分位数和数据列。示例代码如下：
- 使用PERCENTILE_DISC函数：该函数可以选择一个最接近指定百分位数的实际数据值，并返回该值。它接受两个参数：要计算的百分位数和数据列。示例代码如下：
- 该代码将返回数据表中某一列的90th百分位数。
无论是使用PERCENTILE_CONT函数还是PERCENTILE_DISC函数，都需要使用WITHIN GROUP子句将数据进行排序。同时，也可以使用ORDER BY子句对数据进行升序或降序排序。
SQL中的百分位数选择可以用于各种场景，例如在数据分析和统计中计算中位数、四分位数等重要指标。此外，百分位数还可以用于数据的排名和评分，以及对异常数据的检测和处理等。
对于腾讯云相关产品，可以推荐使用腾讯云数据库（TencentDB）来存储和处理数据。腾讯云数据库提供了多种类型的数据库服务，包括关系型数据库（如MySQL、SQL Server）、NoSQL数据库（如MongoDB、Redis）等。您可以根据具体需求选择适合的数据库类型，并通过腾讯云提供的管理控制台或API进行操作和管理。
腾讯云数据库产品介绍链接地址：https://cloud.tencent.com/product/cdb
相关·内容
实际上，我了解是如何工作的，但是通过手工计算百分位数和调用函数，我得到了不同的结果。以下是数据集：
305.7884804
350
373.3728865
384.2094838
410.8603441
414.9842786
455.3545205
550
计算25%时，我将350和373.3728865之和除以2，得到的结果是361.68644325。
计算50%时，我将384.2094838和410.8603441之和除以2，得到的结果是397.53491395。
计算75%时，我将414.9842786和455.3545205之和除以2，得到的结果是435.16939955。
但是，当
浏览 4提问于2016-06-06得票数 4
回答已采纳
想象一下，我的a my_table中有一个浮标的列my_table。我知道如何将这个my_variable列中的每一行转换为百分位数，但我的问题是:我有一个不一定在表中的数字x。我们叫它7.67吧。如何有效地计算7.67在my_variable分布中的位置？我希望能够说"7.67在my_variable中占16.7%“或"7.67大于16.7%的行”。请注意，7.67不是从列中获取的内容，但我将其输入到SQL查询本身中。
我在考虑按升序排序my_variable，并计算低于我指定的数的行数，并除以行总数，但是否有一种计算效率更高的方法来做到这一点呢？
浏览 0提问于2018-04-20得票数 0
回答已采纳
我想在SQL server中存储一个表示百分比的值，什么数据类型应该是首选的？
浏览 1提问于2009-10-22得票数 83
回答已采纳
这段代码：
print len(my_series)
print np.percentile(my_series, 98)
print np.percentile(my_series, 99)
提供：
14221 # This is the series length
1644.2 # 98th percentile
nan # 99th percentile?
为什么98可以正常工作，而99可以提供nan
浏览 0提问于2015-06-15得票数 8
2回答
我是SQL Server编程新手，我想看看我是否能获得有关此查询的帮助。假设我有一个表LatencyInfo
DateTime Latency
2014-01-21 00:00:00 12334
2014-01-21 00:00:00 56384
2014-01-20 00:00:00 1232
2014-01-20 00:00:00 4353
2014-01-19 00:00:00 434343
我的目标是找到查询中每一天的95%延迟时间。到目前为止，我能够想出一个日期的95百分位数，但我被困在日期的聚合上。我无法使用PERCENTIL
浏览 3提问于2014-01-22得票数 0
1回答
单元中的百分位数计算
、、、
如何使用sql计算蜂巢中的25个百分位数。假设有类别、子类别和销售列。那么，如何计算销售额的25个百分位数呢？我试图在蜂箱中使用percentile(sales, 0.25)，但它引发了一个错误：
编译语句时出错:失败: NoMatchingMethodException不匹配(双小数点(2，2))的类org.apache.hadoop.hive.ql.udf.UDAFPercentile。可能的选择: FUNC(bigint，array) FUNC(bigint，double)
浏览 2提问于2020-02-03得票数 2
1回答
我的数据集是网页在一天内的性能指标(响应时间)。数据大致如下：
| Date | User Id | Response time in milliseconds |
|------+---------+-------------------------------|
| ... | U1 | 390 |
| ... | U2 | 1965 |
| ... | U2 | 7789 |
| ... | U1
浏览 0提问于2020-12-12得票数 1
回答已采纳
我正在使用Pandas来计算一些金融风险分析，包括风险价值。简而言之，为了计算风险价值(VaR)，您需要获取模拟投资组合价值变化的时间序列，然后计算特定的尾部百分位数损失。例如，95%的VaR是该时间序列中的第五个百分位数。
我的时间序列存储在Pandas数据帧中，目前正在使用pd.quantile()函数来计算百分位数。我的问题是，VaR的典型市场惯例是使用排他性百分位数(即95%的VaR被解释为:您的投资组合有95%的可能性不会超过计算值)-类似于MS Excel PERECENTILE.EXC()的工作方式。Pandas quantile()的工作方式类似于Excel的PERCENTIL
浏览 75提问于2016-07-27得票数 4
回答已采纳
4回答
在我们的日志文件中，我们存储请求的响应时间。计算中值响应时间的最有效方法是什么，比如"75/90/95%的请求在少于N次的时间内被处理“等？(我想我的问题的一个变体是:计算一串数字流的中位数和标准差的最佳方法是什么)。
我想出的最好的办法就是阅读所有的数字，对它们进行排序，然后挑选出数字，但这似乎真的很愚蠢。有没有更聪明的方法？
我们使用Perl，但任何语言的解决方案都可能有所帮助。
浏览 0提问于2009-09-29得票数 10
回答已采纳
我想从表totalSpeeds中的一列数据(速度)中获得值的第一个四分位数。
为此，我尝试创建一个变量(阈值)，然后选择小于或等于它的值。
SET threshold = (SELECT 0.25*MAX(speed) FROM totalSpeeds);
SELECT speed FROM totalSpeeds WHERE speed <= ${hiveconf:threshold};
此操作失败并返回解析错误。有没有更有效的方法来获得速度的第一个四分位数的上界？或者，有没有办法调整上面的命令以返回第一个四分位数的速度？
提前谢谢你，
安妮塔
浏览 3提问于2012-11-14得票数 2
1回答
因此，我试图从数据框架df中获取列a中的值，这是b列的第90百分位数。
p = quantile(df$b, c(0.9))
在此之后，我希望使用它来获取值的行号，这样我就可以使用它来获得列a中的相应值：
which(df$b == p)
但出于某种原因，它只是提供了一个输出
integer(0)
我用实际值( 1.68 )替换了变量p，它成功了，并且用1.68来创建另一个变量也是有效的，但是用分位数的结果来使用它永远不会给出正确的值。
我试过使用as.numeric，使用p[[1]]和as.double。结果没有任何改变。任何帮助都是值得赞赏的，以了解为什么会发生这种情况，以及是否有其他方法
浏览 2提问于2017-08-15得票数 2
回答已采纳
1回答
我的老板想要我们的票证处理系统的指标，他想要的指标之一是“90%的时间”，他将其定义为处理90%的票证所需的时间。我猜他是在考虑10%的异常可以忽略。我希望这至少能接近一些统计上的有效性。所以我有一个抛入numpy数组的次数列表。这是我想出来的代码。
import numpy as np
inliers = data[data<np.percentile(data, 90)]
ninety_time = inliers.max()
这是有效的吗？有没有更好的方法？
浏览 14提问于2017-03-14得票数 2
如何在SSAS多维数据集中使用百分位数(比方说99%百分位数)作为度量？我希望能够使用许多不同的维度和过滤器来报告它，因此不能使用sql进行预先计算。
浏览 1提问于2012-12-18得票数 2
我试图在我的立方体中找到中位数，25%和75%作为计算。我正在评估的值是不可求和的，因为它们代表了人们的年龄，所以我使用以下函数来找到中位数：
WITH MEMBER Measures.[Set Median] AS MEDIAN(
[Dimension].[Key Attribute].MEMBERS
,Measures.[Non-summable Measure]
)
维键和事实表键具有1-1关系，因此作为一个集合的键成员允许我在不进行任何求和的情况下找到所有返回记录的中位数。我已经使用以下函数组合成功地找到了第75个百分位数：
MEMBER Measures.[75th
浏览 0提问于2014-05-16得票数 2
我正在尝试弄清楚SQL的percentile_cont函数和SPSS是如何以频率计算百分位数的。我想对它们进行比较，并了解它们为什么会得到不同的结果。
我自己也试过查这个，但是很难找到这个信息的来源。如果你对它们的不同之处有一个解释，你能分享我可以在哪里读到关于这一点吗？
浏览 2提问于2019-07-23得票数 1
2回答
有效的百分位数查询的数据结构？
、、、、
假设您有大量的键/值对集合，其中的值是一些任意实数。您对创建支持以下操作的数据结构感兴趣：
插入，它向集合中添加一个新的键/值对，
删除，它从集合中删除一个键/值对，
百分位数，它告诉与给定键关联的值在哪个百分位数中，以及
Tell-Percentile，，它接受一个百分位数，并返回其值至少为给定百分位数的最低值的键。
例如，这一数据结构可用于有效地确定某一学生在收到一系列全国性考试分数时所处的百分位数，或确定服务质量异常好或差的医院。
是否有办法使这些操作高效运行(例如，次线性时间？)
浏览 4提问于2012-12-21得票数 14
回答已采纳
对于这个模糊的问题标题，我感到很抱歉，而且由于我不能想到一个简明的问题名称，我可能错过了一个已经存在的答案。如果有人有标题建议，我很乐意编辑！
(1)我有一个带有id、值和基线列的数据，它要么是空白的，要么是Y (2)，我希望根据异常值过滤数据，然后创建一个包含异常值的表和一个从基线中减去值的列(每个id)。
set.seed(42)
test <- data.frame(id = c(rep("A", 5), rep("B", 5), rep("C", 5)),
values = rnorm(15,
浏览 1提问于2019-11-27得票数 1
回答已采纳
我需要计算一系列相关但分段的数据集的第N百分位数。
由于内存限制，合并的数据集太大，无法同时计算，但是执行分段计算的框架已经到位。那么，我如何对每个数据集执行计算，然后结合这些计算来找到我需要的百分位数呢？
关于这些数据的其他信息：
这些数据通常有异常值。
单个数据集往往大小大致相同，但并非总是如此。
不期望单个数据集共享相同的分布。
我能不能计算出合并的中位数、平均值和标准差，然后估计出从那里得到的任何百分位数？
浏览 1提问于2011-11-15得票数 4
5回答
我有一个算法，用于计算一系列值(12个值)的percentile(85)和Apache Commons，以便以后进行带有阈值的评估以作出决定。结果类似于excel给出的结果，但并不相等，有时这对我的应用程序至关重要，因为使用Excel，结果不会通过阈值，而在Java中使用Apache，则会得到不同的输出。
这里是一个例子:每2小时因特网流量(Mbps)
42,70768133600000 41,2580429776000000 45,4453940200000000 48,8044409456000000 46,7462847936000000 49,8028100056000000 54,
浏览 7提问于2011-05-10得票数 11
回答已采纳
3回答
我使用的是BigQuery，我需要计算数据集一列的第25、50和75个百分位数。
例如，如何使用BigQuery和标准SQL获取上述数字。我看过PERCENT_RANK、RANK和NTILE函数，但我似乎无法破解它。
下面是一些可以指导我的代码
感谢您的帮助！
浏览 8提问于2017-05-13得票数 11
在我的场景中，我必须处理一些输入数据，并根据处理阶段的输出给出一个评分。问题是，为了以人类可读的格式缩放分数，我必须知道可能的最大值是多少。
由于不知道在现实中什么是最大值，我选择了根据现有的最大值来衡量分数。这种方法可以很好地工作，但确实受到一些明显的异常值的干扰。
我的问题是:除了选择代表最大值的阈值之外，还有什么更明智的方法来扩展给定的数据实例呢？
有关数据的更多上下文:接收到关于某个标识符的一系列信息，在该标识符上对某些条件进行检查。长话短说，在这一步中，仅仅是数数表象，并将它们与个人体重相乘，这就是积分。人们可以把这个分数看作是一个多变量函数。
这个分数是希望被缩放，以便它代表一个非
浏览 0提问于2022-06-14得票数 1
2回答
我试图找出在比赛中跑步者的完成位置的哪个百分位数，最终我想在如下的查询中使用它：
Percentile(runners/placing) = "Percentile of the runner who came in 3rd place out of 10 runners = 27"
UPDATE Scores SET ScoreFinal = (IIF(Percentile >= 50, Score * 2, Score * 3))
我目前正在使用一小段VB代码来查找百分位数，不确定在SQL中如何实现：
Public Shared Function Get_P
浏览 0提问于2020-03-12得票数 0
1回答
我有一些时间序列数据，并正在使用一些深度学习技术，以获得它的预测。现在，我想为它建立信心界限。
我计算了残差，它们的平均值和标准差。然后绘制预测值和残差，计算平均+ 3\sigma和均值- 3\sigma，并在我的图形上绘制它们。所以，我有这样的东西
📷
现在，我想使用类似的技术，这样我就可以在时间序列图上有信心界。
浏览 0提问于2019-04-28得票数 4
2回答
我正在尝试groupBy，然后计算PySpark数据的百分位数。我已经根据测试了下面的代码
from pyspark.sql.types import FloatType
import pyspark.sql.functions as func
import numpy as np
qt_udf = func.udf(lambda x,qt: float(np.percentile(x,qt)), FloatType())
df_out = df_in.groupBy('Id').agg(func.collect_list('value').alias(
浏览 0提问于2018-12-14得票数 2
回答已采纳
在jmeter 3.0中，我创建了仪表板报告，但在读取统计数据中的90%、95%和99%等矩阵时遇到问题。这些到底是什么意思？
浏览 75提问于2016-08-05得票数 5
回答已采纳
我有这个代码，我有一个标签，我想写我的ProgressBar的百分比标签。我如何在foreach循环中做到这一点？这是我的代码： prg.Style = ProgressBarStyle.Continuous;
con.Open();
//insignificant sql and listbox operations...
prg.Value = 0;
prg.Maximum = myDataTable.Rows.Count;
foreach (DataRow myRows5 in myDataTable.
浏览 29提问于2019-02-27得票数 1
回答已采纳
1回答
我需要计算每秒获得的数字流的第90个百分位数。它可以达到每秒数百万个数字，但第90个百分位数必须是近似值，不一定是精确的。优先级队列/最大堆是做这件事的最好方法，还是别的什么？如果是这样，我将如何最终近似该值？
浏览 20提问于2018-01-02得票数 2
回答已采纳
1回答
如果我有一个字典记录随机对象的计数频率：
dict = {'oranges': 4 , 'apple': 3 , 'banana': 3 , 'pear' :1, 'strawberry' : 1....}
我只想要按频率排列在前25百分位的键，我该怎么做呢？特别是如果它是一个非常长的尾数列表和许多记录将有相同的计数。
浏览 3提问于2016-10-17得票数 2
Graphite中的Grafana指标如下所示：
在Graphite中，在存储聚合中配置存储聚合。that，文件中的p25、p75、p90、p99和std的配置规则是什么？
浏览 3提问于2017-02-28得票数 0
我希望能够基于百分位数(或者更准确地说，在我的例子中是补充百分位数)进行聚合。
考虑以下代码：
from pyspark.sql import SparkSession
from pyspark.sql import functions as F
spark = SparkSession.builder.getOrCreate()
df = spark.createDataFrame(
[
['a', 1, 'w'],
['a', 1, 'y'],
['
浏览 22提问于2020-05-17得票数 0
回答已采纳
对于Prometheus度量集合，像title一样，我无法真正找到只能通过完成的用例，似乎它们都可以通过来完成。
让我们以请求并发度量为例，毫无疑问，这可以通过type Summary完美地完成，但我也可以通过使用type Histogram实现同样的效果，如下所示：
我唯一能看到的区别是:对于一个摘要，百分位数是在客户机中计算的，它是由一个计数和和计数器(类似于直方图类型)和结果的分位数值组成的。
因此，我有点迷失在什么用例真正使type Summary是必要的/独特的，请帮助激励我。
浏览 0提问于2018-07-03得票数 8
回答已采纳
对于一个值序列，如何在Boost累加器中找到排序的中间50%的序列？
例如，假设我有下面的序列，
25，21，9，13，17，19，12，29，50，97，10，11。
我想要的中间50%的数据如下：
13，17，19，21.
当然，我们可以对序列进行排序，这现在变成了
9，10，11，12，13，17，19，21，25，29，50，97。
然后就可以收集到50%以上的数据。
现在，累加器框架内部是否存储和排序序列？如果是，是否可以检索驻留在特定索引中的值？
阅读，我认为累加器框架没有存储原始数据，这个框架不适合我试图解决的问题。
在写这篇文章时，我发现尝试使用累加器来完成这个任务有点愚蠢。然
浏览 0提问于2010-10-07得票数 2
回答已采纳
1回答
从分布获取百分位数
、、、
如何获得从某个程序或实验中得到的分布的百分位数(例如，平均百分位数，或10%和90%百分位数)？在下面的示例中，我生成一个正态分布，只是为了说明。
from scipy.stats import norm
x = np.linspace(1,10,1001)
count = norm.pdf(x,5,1)
如果绘制为plt.plot(x,count)，这将是一个高斯曲线(对于这个特殊的例子)。请注意，这不是数据点，而是分布(可以通过x,count = plt.hist(data)获得)，所以我不能使用p10 = np.percentile(count,10)，但是我需要类似的东西，例如
p10
浏览 4提问于2022-02-18得票数 1
1回答
SAS在标志上加入以指示百分位数
、、、、
我想把两张桌子连在一起。 表1-棒球数据集 DATA baseball;
SET sashelp.baseball
(KEEP = crhits);
RUN; 表2-包含CRhits百分位数的表 PROC STDIZE
DATA = baseball
OUT=_NULL_
PCTLMTD=ORD_STAT
PCTLDEF=5
OUTSTAT=STDLONGPCTLS
(WHERE = (SUBSTR(_TYPE_,1,1) = "P"))
pctlpts = 1 TO 99
浏览 44提问于2019-05-27得票数 0
我有一列数据，其中有些是空值，我希望从中提取单个90百分位数的值。
ColA
-----
NULL
100
200
300
NULL
400
500
600
700
800
900
1000
对于上述情况，我正在寻找一种技术，它在搜索第90百分位数时返回值900，对于第80百分位数返回值800。类似的函数是AVG(ColA)，它对上述数据返回550，或MIN(ColA)，返回100等等。
有什么建议吗？
浏览 3提问于2012-08-10得票数 7
回答已采纳
2回答
如果同一时间段的kth百分位数超过1分钟，我们能计算出整个kth百分位数吗？
基础数据不可用。只有kth百分位数和基础数据的计数可用。
是否有任何现有的算法可用于此？计算出的kth百分位数有多近似？
浏览 9提问于2020-11-14得票数 2
select perecentile(time,0.95) from sometable;
gives the 95th percentile.
我想要时间值低于此值的所有行的平均值。
在oracle中应该是这样的：-
select avg(time) from sometable
where
time<(select percentile(time,0.95) from sometable);
但在hive中，不可能在where clause.When中使用子查询，我正在使用联合所有，我无法隔离需要与其他元组进行比较的元组。
浏览 0提问于2013-06-05得票数 1
回答已采纳
4回答
在列中计算价值百分位数
、、、
我有一个带有数值列的dataframe。这一列不是很好地近似于正态分布.给定另一个数值，而不是此列中的数值，我如何计算其在列中的百分位数？也就是说，如果值大于列值的80%，但小于其他20%，则为第20百分位数。
浏览 2提问于2017-06-29得票数 20
回答已采纳
6回答
我看过，它解释了如何计算特定百分位数的值，解释了如何计算对应于每个元素的百分位数。
使用第一个解决方案，我可以计算值并扫描原始数组以找到索引。
使用第二种解决方案，我可以扫描整个输出数组以获得我要寻找的百分位数。
但是，如果我想知道(在原始数组中)对应于特定百分位数的索引(或包含与该索引最接近的元素的索引)，则两者都需要额外的扫描。
是否有更直接或内置的方式来获得与百分位数相对应的索引？
注意:我的数组没有排序，我希望索引位于原始的、未排序的数组中。
浏览 8提问于2014-09-27得票数 18
2回答
如何使用Google平台中的MQL在一个基于单一分布度量的单一图表中绘制多条线，例如不同的百分位数？
下面的查询将从分布度量中绘制一个50%的图形：
fetch global::logging.googleapis.com/user/my_metrics.response_time |
percentile_from 50
my_metrics.response_time是一个基于日志的分发度量，其单元ms如下所示：
我也想在同一张图表中画出第50、90和95百分位数。到目前为止，我最好的尝试是：
fetch global::logging.googleapis.com/user/m
浏览 20提问于2021-06-24得票数 1
回答已采纳
在一书中，有一句话：
例如，如果第95百分位数的响应时间是1.5秒，这意味着100个请求中的95个少于1.5秒，而100个请求中有5个需要1.5秒或更长时间。
令人困惑的是，有句话说，这些请求中的95项将花费不到1.5秒。这不是应该说，95的请求需要1.5秒或更短的时间，而其余的5项请求需要超过1.5秒吗？或者，第95个百分位数的1%只需1.5秒，第89百分位数及以下的百分位数小于1.5，而第96位及以上百分位数的百分比则超过1.5？这些数字的正确读数是多少？
我对此做了一些研究，并发现了几篇文章。有趣的是，有些人说我说的话，有些人不说。
读取的部分链接(百分位数)类似于95个请求，所
浏览 6提问于2020-11-28得票数 0
因此，我试图找到一些机器，与它们的环境和功能相比，它们会抛出异常多的异常。直觉是，负载和任务类型在整个组中应该是相当相似的，所以如果一台机器抛出更多的异常，它可能处于某种糟糕的状态，应该得到服务。
这对于大型机器组很好，但是对于较小的组存在一个问题:如果很少有机器，而且其中只有一台会抛出很多异常，那么它可能不会被检测到。原因是，由于该数据点是组的一般stddev和平均计算的部分，所以平均值和stddev偏向于这个离群值。
解决方案是从计算的stddev和整个组的平均值中以某种方式减去该数据点，或者计算每个机器/环境/功能组合的stddev和平均值(不包括从stddev/mean计算中涉及的机器
浏览 1提问于2018-11-14得票数 0
回答已采纳
1回答
我有一组数据，比如{4,7,7,10,10,12,12,14,15,67}，我想知道第95百分位数。我使用Excel和在线计算器。
两人给出了不同的答案。
在Excel中，我使用的公式是：=PERCENTILE.INC(A1:A10,0.95)和result = 43.6
但是这个产生了一个67的结果
哪一个是对的？
浏览 0提问于2018-02-15得票数 1
回答已采纳
我是个新手。我有熊猫代码如下所示。
bindt = df[df[var].notnull()][var].quantile([0,.1,.2,.3,.4,.5,.6,.7,.8,.9,1]).unique()
df['{0}_quartile'.format(var)] = pd.cut(df[var], bindt, labels=False, include_lowest=True )
我在pyflem2.x中找到了“approxQuantile”，但是我在pyflem1.6.0中没有找到任何这样的东西。
我的示例输入
df.show()
+-----------+---
浏览 5提问于2019-02-21得票数 5
回答已采纳
有人知道如何在SPSS中对数据进行winsor化吗？我有一些变量的异常值，并希望对它们进行winsorize。有人教我如何使用Transform -> compute variable命令，但我忘记了该怎么做。我相信他们告诉我只计算我想要取值的对象测量值的平方根。有没有人能给我解释一下这个过程？
浏览 14提问于2012-07-12得票数 1
回答已采纳
1回答
假设我们有一个包含人名和年龄的SQL表。(假设年龄是一个整数) John 23 y.o.
Alex 45 y.o.
Anna 33 y.o.
etc. 我们希望找到80%的年龄百分位数。计算这个值的函数是什么？这样的年龄80%的人比这个年龄年轻。 另外，如果我们有一个离散分布，我们应该返回哪个数字？例如，如果我们以40岁为例，正好77%的人比这个年龄年轻，如果我们以41岁为例，恰好有82%的人比这个年龄更年轻。我们应该返回40到41之间的哪个数字？ 对于一个初学者的问题，很抱歉，找不到答案。
浏览 29提问于2021-09-05得票数 0
1回答
我正在尝试找出第二个数据帧中的观察值所属的数据帧的百分位数，我认为lambda函数在这里可以做到这一点：
df1.var1.map(lambda x: np.percentile(df2.var1, x))
对于df1.var1序列中的每个x，应用函数np.percentile(df2.var1, x)，该函数可以找到df2.var1序列中x的百分位数。出于某种原因，我得到了一个错误
kth(=-9223372036854775599) out of bounds (209)
209是df2的长度，但我不知道kth部分指的是什么。你知道我哪里做错了吗？
完全错误：
ValueError
浏览 0提问于2015-12-11得票数 0
当我运行下面的代码时，我得到的结果是:分位数段=WrappedArray(-27.0，2.0,4443.0)，中位数是2.0
val分位数= dfQuestions .stat .approxQuantile("score"，dfQuestions(0，0.5，1.0)，0.25)println(s“分位数段=${quantiles.toSeq}")
分位数段=WrappedArray(-27.0，2.0,4443.0)
当我使用percentile_approx(分数为0.25)时，我得到了相同的结果。谁能告诉我为什么这里用的是0.25而不是0.5
dfQuestio
浏览 3提问于2020-12-07得票数 0
扫码
添加站长 进交流群
领取专属 10元无门槛券
手把手带您无忧上云
相关资讯
热门标签
云服务器
ICP备案
实时音视频
即时通信 IM
对象存储活动推荐
腾讯云开发者
