Fler sammanfattningsfunktioner

Exploratory Data Analysis i SQL

Christina Maimone

Data Scientist

Korrelation

Spridningsdiagram med datapunkter som visar positiv och negativ korrelation

Korrelationsfunktionen

SELECT corr(assets, equity) 
  FROM fortune500;

       corr        
-------------------
 0.637710143588615
(1 row)

Median

1 1 4 4 4 5 6 7 13 19 20 20 21 21 22
              ^
            median
        50th percentile

^                                  ^
0th percentile      100th percentile

Percentilsfunktioner

SELECT percentile_disc(percentile) WITHIN GROUP (ORDER BY column_name)
  FROM table;

-- percentile between 0 and 1

Returnerar ett värde från kolumnen

SELECT percentile_cont(percentile) WITHIN GROUP (ORDER BY column_name)
  FROM table;

Interpolerar mellan värden

Percentilsexempel

SELECT val
  FROM nums;

 val 
-----
   1
   3
   4
   5
(4 rows)

SELECT percentile_disc(.5) WITHIN GROUP (ORDER BY val),
       percentile_cont(.5) WITHIN GROUP (ORDER BY val)
  FROM nums;

 percentile_disc | percentile_cont 
-----------------+-----------------
               3 |             3.5

Vanliga problem

Felkoder
- Exempel: 9, 99, -99
Koder för saknade värden
- NA, NaN, N/A, #N/A
- 0 = saknas eller 0?
Extremvärden (outliers)
- Ovanligt höga eller låga?
- Negativa värden?
Egentligen inte ett tal
- Exempel: postnummer, svarsalternativ i enkäter

Nu kör vi en övning!

Exploratory Data Analysis i SQL