Percentily

Analyzing Business Data in SQL

Michel Semaan

Data Scientist

Percentily – přehled

Percentil: $n$-tý percentil je hodnota, pod níž leží $n\%$ hodnot datové sady
- Nejnižší hodnota je 0. percentil
- Nejvyšší hodnota je 99. percentil

Kvartily

Příklad: 25. percentil objednávek je 17 → 25 % uživatelů objednalo 17× nebo méně
První kvartil: 25. percentil
Třetí kvartil: 75. percentil
Mezikvartilové rozpětí (IQR): data mezi prvním a třetím kvartilem
Druhý kvartil: 50. percentil, medián
- Liší se od průměru!

Zešikmená data

Zešikmená rozdělení

Kvartily – dotaz

WITH user_orders AS (
  SELECT
    user_id,
    COUNT(DISTINCT order_id) AS orders
  FROM orders
  GROUP BY user_id)


SELECT
  ROUND(
    PERCENTILE_CONT(0.25) WITHIN GROUP (ORDER BY orders ASC) :: NUMERIC,
  2) AS orders_p25,
  ROUND(
    PERCENTILE_CONT(0.5) WITHIN GROUP (ORDER BY orders ASC) :: NUMERIC,
  2) AS orders_p50,
  ROUND(
    PERCENTILE_CONT(0.75) WITHIN GROUP (ORDER BY orders ASC) :: NUMERIC,
  2) AS orders_p75,
  ROUND(AVG(orders) :: NUMERIC, 2) AS avg_orders
FROM user_orders;

Kvartily – výsledek

orders_p25  orders_p50  orders_p75  avg_orders
----------  ----------  ----------  ----------
6.00        8.00        11.00       8.70

Percentily

Analyzing Business Data in SQL