quantileTDigestWeighted

使用 t-digest 算法计算数值数据序列的近似分位数。该函数会考虑序列中每个元素的权重。最大误差为 1%。内存消耗为 log(n)，其中 n 为数值的个数。

该函数的性能低于 quantile 或 quantileTiming。从 State 状态大小与精度之间的比率来看，此函数相比 quantile 要好得多。

结果取决于查询的执行顺序，且是非确定性的。

在一个查询中使用多个不同分位水平的 quantile* 函数时，其内部状态不会合并（即查询的执行效率低于理论最优）。在这种情况下，请使用 quantiles 函数。

:::note
不推荐在极小数据集上使用 quantileTDigestWeighted，否则可能产生显著误差。在这种情况下，请考虑改用 quantileTDigest。 :::

语法

quantileTDigestWeighted(level)(expr, weight)

别名：medianTDigestWeighted。

参数

• level — 分位数的级别。可选参数。取值为 0 到 1 之间的常量浮点数。建议在 [0.01, 0.99] 范围内使用 level 值。默认值：0.5。当 level=0.5 时，函数计算中位数。
• expr — 针对列值计算的表达式，结果为数值型数据类型、Date 或 DateTime。
• weight — 存储序列元素权重的列。权重表示每个值出现的次数。

返回值

• 指定级别的近似分位数。

类型：

• 对数值数据类型输入，返回 Float64。
• 如果输入值的类型为 Date，返回 Date。
• 如果输入值的类型为 DateTime，返回 DateTime。

示例

查询：

SELECT quantileTDigestWeighted(number, 1) FROM numbers(10)

结果：

┌─quantileTDigestWeighted(number, 1)─┐
│                                4.5 │
└────────────────────────────────────┘

另请参阅

• median
• quantiles