PostgreSQL中percentile_cont返回所有分位数相同值的原因排查

嘿，我来帮你拆解下这个问题——这种情况我在处理数据分析时碰到过好几次，大概率是下面几个常见原因之一，咱们一个个来看：

1. 分组内的questions_combined值完全一致 #

如果某个three_sixty_review_aid对应的分组里，所有questions_combined的数值都一模一样，那不管你计算哪个分位数，结果肯定是同一个值。比如某个分组里所有行的这个字段都是8.5，那p95、p50甚至p05都会返回8.5。

排查方法：先看看每个分组的数据分布情况，跑个简单的统计SQL：

SELECT three_sixty_review_aid, 
       COUNT(DISTINCT questions_combined) AS distinct_value_count,
       MIN(questions_combined) AS min_val,
       MAX(questions_combined) AS max_val
FROM reviews_threesixty.peer_review_avg_combined_per_review
GROUP BY three_sixty_review_aid

如果哪个分组的distinct_value_count是1，或者min_val和max_val相等，那这个分组就是问题所在。

2. 分组里只有一条数据 #

如果某个three_sixty_review_aid对应的分组仅包含一行记录，那所有分位数计算都会返回这唯一的数值——毕竟只有一个数据点，分位数自然都指向它。

排查方法：检查分组的大小，找出那些只有1条数据的分组：

SELECT three_sixty_review_aid, COUNT(*) AS group_size
FROM reviews_threesixty.peer_review_avg_combined_per_review
GROUP BY three_sixty_review_aid
HAVING COUNT(*) <= 1

这些分组的分位数结果肯定是相同的，属于正常现象。

3. questions_combined的数据类型异常 #

如果questions_combined是字符串类型，但你直接用它排序计算分位数，数据库会按字符串的排序规则处理，可能导致所有值被判定为“相等”（比如都是空字符串、格式错误的数值字符串），或者排序后分布异常，最终分位数结果一致。

排查方法：先确认字段的数据类型，尝试转换为数值类型后再计算分位数：

SELECT three_sixty_review_aid, 
       percentile_cont(0.95) WITHIN GROUP (ORDER BY CAST(questions_combined AS numeric) ASC) AS p_95,
       percentile_cont(0.75) WITHIN GROUP (ORDER BY CAST(questions_combined AS numeric) ASC) AS p_75,
       percentile_cont(0.5) WITHIN GROUP (ORDER BY CAST(questions_combined AS numeric) ASC) AS p_50,
       percentile_cont(0.25) WITHIN GROUP (ORDER BY CAST(questions_combined AS numeric) ASC) AS p_25,
       percentile_cont(0.1) WITHIN GROUP (ORDER BY CAST(questions_combined AS numeric) ASC) AS p_10,
       percentile_cont(0.05) WITHIN GROUP (ORDER BY CAST(questions_combined AS numeric) ASC) AS p_05
FROM reviews_threesixty.peer_review_avg_combined_per_review 
GROUP BY three_sixty_review_aid

如果转换后结果正常，那就是数据类型的锅。

4. 数据集中存在大量重复的极值 #

比如某个分组里90%以上的数据都是同一个值，只有极少数不同，那低到高的分位数可能都落在这个值上。比如分组里100条数据，96条都是10，剩下4条是11，那p95、p75这些都会返回10，只有p99以上才会跳到11。这种情况可以通过查看数据的频率分布来确认。

总结 #

优先排查前两个原因——分组内数据全相同或分组大小为1，这是最常见的导致分位数结果一致的情况。

内容的提问来源于stack exchange，提问作者Letholdrus