experimental.quantile() 函数

experimental.quantile() 返回非空记录，其 _value 列中的值落在指定的分位数内或表示指定的分位数。

_value 列必须包含浮点数值。

计算方法和行为

experimental.quantile() 的行为类似于聚合函数或选择器函数，具体取决于 method 参数。以下是可用的计算方法：

estimate_tdigest

一种聚合方法，使用 t-digest 数据结构 在大型数据源上计算准确的分位数估计。使用时，experimental.quantile() 输出非空记录，其值落在指定的分位数内。

exact_mean

一种聚合方法，取最接近分位数的两个点的平均值。使用时，experimental.quantile() 输出非空记录，其值落在指定的分位数内。

exact_selector

一种选择器方法，返回数据点，其中至少有 q 个点小于该数据点。使用时，experimental.quantile() 输出非空记录，其值表示指定的分位数。

函数类型签名

(
    <-tables: stream[{A with _value: float}],
    q: float,
    ?compression: float,
    ?method: string,
) => stream[{A with _value: float}]

参数

q

(必需) 要计算的分位数 ([0 - 1])。

method

计算方法。默认值为 estimate_tdigest。

支持的方法:

• estimate_tdigest
• exact_mean
• exact_selector

compression

压缩数据集时要使用的质心数。默认值为 1000.0。

更大的数字会产生更准确的结果，但会增加内存需求。

tables

输入数据。默认值为管道转发数据 (<-)。

示例

• 返回每个输入表中第 50 百分位数的值
• 返回表示每个输入表中第 50 百分位数的值

返回每个输入表中第 50 百分位数的值

import "experimental"
import "sampledata"

sampledata.float()
    |> experimental.quantile(q: 0.5)

返回表示每个输入表中第 50 百分位数的值

import "experimental"
import "sampledata"

sampledata.float()
    |> experimental.quantile(q: 0.5, method: "exact_selector")