SQL离散分布下年龄80%分位数计算函数及取值规则咨询

以下对应两个问题逐一解答：

1. 可用于计算该分位数的SQL函数 #

不同数据库的SQL语法支持略有差异，主流常用的函数分为两类，都属于SQL标准支持的范畴，PostgreSQL、BigQuery、Hive、MySQL 8.0+、SQL Server等主流数据库都可直接使用：

• 连续分位数计算函数：PERCENTILE_CONT(0.8)，会基于连续分布假设计算插值结果
• 离散分位数计算函数：PERCENTILE_DISC(0.8)，会直接返回数据集中存在的原始值

基础用法示例：

-- 计算年龄的80%离散分位数
SELECT PERCENTILE_DISC(0.8) WITHIN GROUP (ORDER BY age) AS age_p80
FROM 你的表名;

如果是对性能要求高、允许近似结果的大数据场景，还可以用各数据库对应的近似分位数函数，比如MySQL的APPROX_PERCENTILE()、Spark的approx_percentile()等。

2. 离散分布场景的返回值规则 #

你举例的「40对应77%占比、41对应82%占比」的场景，返回结果取决于你选择的分位数计算逻辑：

• 若使用离散分位数函数PERCENTILE_DISC()：规则是返回累计占比首次大于等于目标分位数（80%）的原始值，此时会返回41。
• 若使用连续分位数函数PERCENTILE_CONT()：会在两个相邻值之间做线性插值计算，代入数值计算可得结果为40.6，这个结果不是数据集里存在的原始整数年龄。
  如果你的业务要求返回结果必须是实际存在的人员年龄整数值，常规选择是返回41即可。

内容的提问来源于stack exchange，提问作者Timur