Stosowanie agregatów statystycznych do danych szeregów czasowych

Analiza szeregów czasowych w PostgreSQL

Jasmin Ludolf

Content Developer, DataCamp

Agregaty statystyczne

Funkcje agregujące: MIN(), MAX(), SUM(), AVG(), COUNT()
Agregaty statystyczne: średnie i mediany

Ilustracja przedstawiająca cztery osoby przy tablicy z wizualizacjami analitycznymi i statystycznymi.

Obliczanie średniej

SELECT
  AVG(views)::INTEGER as avg_views
  title
FROM dc_news_fact
JOIN dc_news_dim USING(id)
GROUP BY title
ORDER BY avg_views DESC;

|avg_views|title                      |
|---------|---------------------------|
|      207|For the Wealthiest, a Pr...|
|       12|Pet surrenders on rise a...|
|       12|Argentina's New Presiden...|
|        7|These 5 charts prove tha...|
|        7|How Is the Economy Doing...|

Średnia liczba wyświetleń dziennie

WITH day_views AS (
  SELECT id, ts::DATE AS date, SUM(views) AS views
  FROM dc_news_fact
  GROUP BY id, date
)
SELECT
  AVG(views)::INTEGER AS avg
  title
FROM day_views JOIN dc_news_dim USING(id)
GROUP BY title
ORDER BY avg DESC;

Średnia liczba wyświetleń dziennie

| avg|title                                                            |
|----|-----------------------------------------------------------------|
|9855|For the Wealthiest, a Private Tax System That Saves Them Billions|
| 579|Pet surrenders on rise as Fort McMurray's economy falls          |
| 574|Argentina's New President Moves Swiftly to Shake Up the Economy  |
| 352|How Is the Economy Doing? Politics May Decide Your Answer        |
| 348|These 5 charts prove that the economy does better under ...      |

Średnia liczba wyświetleń dziennie

SELECT
  (SUM(views)/COUNT(DISTINCT ts::DATE))::INTEGER as avg,
  title
FROM dc_news_fact JOIN dc_news_dim USING(id)
GROUP BY title 
ORDER BY avg DESC;

|avg |title                                                            |
|----|-----------------------------------------------------------------|
|9855|For the Wealthiest, a Private Tax System That Saves Them Billions|
| 579|Pet surrenders on rise as Fort McMurray's economy falls          |
| 574|Argentina's New President Moves Swiftly to Shake Up the Economy  |
...

Mediana dyskretna i ciągła

Mediana dyskretna: pierwsza wartość najbliższa środkowej
Mediana ciągła: wartość dzieląca zbiór danych na dwie równe części

Nieparzysta liczba elementów

Seria = (1, 2, 3, 4, 5)
Mediana dyskretna = 3
Mediana ciągła = 3

Parzysta liczba elementów

Seria = (1, 2, 3, 4)
Mediana dyskretna = 2
Mediana ciągła = 2.5

Funkcje agregujące na zbiorach uporządkowanych

PERCENTILE_DISC()
PERCENTILE_CONT()
Funkcje agregujące na zbiorach uporządkowanych: PERCENTILE_DISC(fraction) WITHIN GROUP (ORDER BY field)

SELECT
  PERCENTILE_CONT(0.5) WITHIN GROUP
  (ORDER BY value) AS median_cont,
  PERCENTILE_DISC(0.5) WITHIN GROUP
  (ORDER BY value) AS median_disc
FROM
(
  VALUES
  (1,1), (1,2), (1,3), (1,4), (1,5),
  (2,1), (2,5), (2,7), (2,11), (2,11)
) AS t (id, value)
GROUP BY id;

Funkcje agregujące na zbiorach uporządkowanych

|median_cont|median_disc|
|-----------|-----------|
|        3.0|          3|
|        7.0|          7|

Mediana, kwantyl, percentyl, kwartyl

Mediana jest rodzajem percentyla
Percentyl jest rodzajem kwantyla

Kwantyl: dzieli próbę na niemal równe podzbiory
- kwartyle (cztery podzbiory)
- decyle (dziesięć podzbiorów)

Obliczanie kwartyli

SELECT
  PERCENTILE_DISC(0.25) WITHIN GROUP (ORDER BY value) AS ptile_25,
  PERCENTILE_DISC(0.5) WITHIN GROUP (ORDER BY value) AS ptile_50,
  PERCENTILE_DISC(0.75) WITHIN GROUP (ORDER BY value) AS ptile_75
FROM
(
  VALUES 
  (1,1), (1,2), (1,3), (1,4), (1,5)
) AS t (id, value)
GROUP BY id;

|ptile_25|ptile_50|ptile_75|
|--------|--------|--------|
|       2|       3|       4|

Obliczanie tablicy dyskretnych kwartyli

SELECT
  PERCENTILE_DISC(ARRAY[0.25, 0.5, 0.75]) 
  WITHIN GROUP (ORDER BY value) AS median_disc
FROM (
  VALUES
  (1,1), (1,2), (1,3), (1,4), (1,5) )
  AS t (id, value)
GROUP BY id;

|median_disc|
|-----------|
|{2,3,4}    |

Czas na ćwiczenia!

Analiza szeregów czasowych w PostgreSQL