理解數(shù)據(jù)庫的統(tǒng)計(jì)集聚函數(shù)

2024-07-21 02:34:40

字體：大中小

供稿：網(wǎng)友

　　為了選用正確的函數(shù)，你必須具體地了解現(xiàn)在Oracle SQL中用到的一系列集聚函數(shù)。Oracle8和Oracle9都支持的函數(shù)包括：
　　
　　　
　　
　　
　　AVG
　　CORR
　　COUNT
　　COVAR_POP
　　COVAR_SAMP
　　MAX
　　MIN
　　REGR_
　　STDDEV
　　STDDEV_POP
　　STDDEV_SAMP
　　SUM
　　VAR_POP
　　VAR_SAMP
　　VARIANCE
　　　
　　幾乎所有的集聚函數(shù)都將忽略那些NULL列。但是有一個(gè)例外，那就是COUNT(*)，這個(gè)函數(shù)將計(jì)算所有的紀(jì)錄而不管是否存在NULL列。在一般集聚函數(shù)所有數(shù)據(jù)都為NULL時(shí)，集聚函數(shù)的返回值為NULL，但是COUNT(col)的返回值為零。
　　
　　MIN函數(shù)和MAX函數(shù)
　　MIN函數(shù)和MAX函數(shù)根據(jù)排序后返回最小值和最大值。你應(yīng)該明白那些函數(shù)都是基于對它們的數(shù)據(jù)類型的排序結(jié)果。為了避免排序錯(cuò)誤，日期和數(shù)字都必須定義為與其對應(yīng)的數(shù)據(jù)類型。例如，MAX(TO_CHAR(date))會(huì)把1月排在2月之前。
　　
　　STDDEV，STDDEV_POP，STDDEV_SAMP和VARIANCE，VAR_POP，VAR_SAMP
　　
　　標(biāo)準(zhǔn)差和方差是衡量數(shù)據(jù)擴(kuò)散范圍的標(biāo)準(zhǔn)。假如一列中的數(shù)據(jù)都相同的話，那么標(biāo)準(zhǔn)差和方差就為零。在實(shí)際情況中，標(biāo)準(zhǔn)差描述的是反映平均值的一個(gè)錐形曲線。對于現(xiàn)實(shí)世界人口，有68%的數(shù)據(jù)應(yīng)在一個(gè)標(biāo)準(zhǔn)差之內(nèi)，96%的數(shù)據(jù)應(yīng)在2個(gè)標(biāo)準(zhǔn)差之內(nèi)。
　　
　　據(jù)統(tǒng)計(jì)表明：人口的樣本方差并不能很好的反映整體人口的方差，這個(gè)事實(shí)就決定了存在3個(gè)標(biāo)準(zhǔn)差函數(shù)和3個(gè)方差函數(shù)。通過以下的SQL腳本來看看它的作用：
　　
　　drop table agg;
　　create table agg(n integer);
　　begin
　　　　for i in 0..1000 loop
　　　　　　insert into agg values(i);
　　　　end loop;
　　end;
　　/
　　show errors;
　　select 'Population' d,count(n),avg(n),stddev(n),stddev_pop(n),stddev_samp(n)
　　　from agg
　　union
　　select 'Sample',count(n),avg(n),stddev(n),stddev_pop(n),stddev_samp(n)
　　　from agg where mod(n,2) = 0
　　union
　　select 'Sample',count(n),avg(n),stddev(n),stddev_pop(n),stddev_samp(n)
　　　from agg where mod(n,10) = 0
　　union
　　select 'Sample',count(n),avg(n),stddev(n),stddev_pop(n),stddev_samp(n)
　　　from agg where mod(n,100) = 0;
　　得到的結(jié)果是
　　理解數(shù)據(jù)庫的統(tǒng)計(jì)集聚函數(shù)

　　雖然這些數(shù)據(jù)是人為計(jì)算得到的，并沒有在此錐形曲線上，但是這個(gè)例子反映了_SAMP和_POP的差別。從這個(gè)例子看出，樣本的STDDEV_POP(N)列的數(shù)據(jù)比樣本的STDDE(N)列數(shù)據(jù)更接近實(shí)際的STDDECV(N)列數(shù)據(jù)。
　　
　　因此，當(dāng)你應(yīng)用STDDEV函數(shù)時(shí)，認(rèn)真考慮你處理的是什么數(shù)據(jù)是非常重要的。假如你想得到一些數(shù)據(jù)的真實(shí)標(biāo)準(zhǔn)差，那么你就應(yīng)該用STDDEV_SAMP。假如你只是處理一些小型的抽樣樣本，只希望得到人口標(biāo)準(zhǔn)差的近似值的話，那么你應(yīng)該用STDDEV_POP。
　　
　　VAR_SAMP就是STDDEV_SAMP的平方，相似的VAR_POP就是STDDEV_POP的平方。這兩個(gè)函數(shù)并不常用，原因是他們的成員都是帶平方的。
　　
　　COVAR_POP 和 COVAR_SAMP
　　　
　　
　　協(xié)方差和標(biāo)準(zhǔn)差相似，但是協(xié)方差能衡量一列數(shù)據(jù)對其他列的影響。假如存在一列是不可改變的（意味著次列與其他列無任何關(guān)系），那么協(xié)方差就為零，表示位COVER_SAMP(n，0)。
　　
　　假如一列的變化和另一列有關(guān)，那么協(xié)方差值就會(huì)變大。COVER_POP適用于計(jì)算的人口樣本方差的近似值，而COVER_SAMP則應(yīng)該用于計(jì)算數(shù)據(jù)的實(shí)際協(xié)方差。
　　
　　CORR
　　相關(guān)性是用于衡量相關(guān)系數(shù)的。它將兩列的相關(guān)程度規(guī)格化為-1和1之間的一個(gè)數(shù)值。假如是1或者-1的話，就說明他們是完整的線性相關(guān)。表示位CORR(n，n)。
　　
　　假如相關(guān)性為零，那么意味著一個(gè)變量對另一個(gè)變量將沒有影響。假如兩列根本就沒有改變，那就意味著這列的標(biāo)準(zhǔn)差為零，也就是說對其計(jì)算相關(guān)性是沒有意義的，所以此時(shí)CORR的返回值為空。舉例來說，CORR(n,1)的返回值將為空。
　　
　　REGR_
　　假設(shè)已知兩數(shù)據(jù)相關(guān)，回溯函數(shù)能通過已知數(shù)據(jù)畫一條能反映他們的發(fā)展趨勢的曲線。并能通過這條線來在已知數(shù)據(jù)的基礎(chǔ)上估計(jì)得到新的數(shù)據(jù)。事實(shí)上，由于得到的結(jié)果一條線而不是數(shù)字——所有的結(jié)果都是通過圖中的線描述出來的，所以說回溯函數(shù)是一系列與眾不同的函數(shù)。在圖中，我們認(rèn)為第一表達(dá)式為“Y軸”，而第二表達(dá)式為“X軸”。
　　
　　回溯函數(shù)是我們能進(jìn)行一些初步估計(jì)。
估計(jì)近似值的公式為：
　　
　　PRed1 = (pred2 * regr_slope(eXPr1,expr2)) + regr_intercept(expr1,expr2)
　　pred2 = (pred1 - regr_intercept(expr1,expr2)) / regr_slope(expr1,expr2)
　　回溯函數(shù)要求有兩個(gè)數(shù)型參數(shù)。假如你要對日期數(shù)據(jù)進(jìn)行操作，那么你必須先將這些數(shù)據(jù)轉(zhuǎn)換成線行數(shù)類型。在Oracle SQL中，最好的辦法就是就這些日期間去一個(gè)參照日期，從而得到對應(yīng)的不同的天數(shù)（天數(shù)的類型符合要求了）。

上一篇：怎么樣做到限時(shí)登錄

下一篇：dual表是什么表？