Hive千分位函数percentile()和percentile_approx()

percentile函数和percentile_approx函数

 

percentile(col, p)     p∈(0,1)   

  传入两个参数，第一个参数类型必须是int，一般是某一列的数据， 返回的是col列的第p分位的值。

percentile_approx(col,p,B)   p∈(0,1)

  传入三个参数，col列是数值类型都可以，B用来控制内存消耗的精度。实际col中distinct的值<B返回的时精确的值。

  参数B控制内存消耗的近似精度，B越大，结果的准确度越高。默认为10000。当col字段中的distinct值的个数小于B时，结果为准确的         百分位数。

 例子 

  percentile_approx(col, 0.1)

percentile(col, 0.1) 

  就相当于col列上第10%的那个值

  要求多个分位数时，可以把p换为array()

  percentile_approx(col,array(0.1,0.2,0.3),9999)   或  percentile_approx(cast(col as double),array(0.05,0.5,0.95),9999）