$percentile(聚合)
定义
语法
$percentile
的语法为:
{ $percentile: { input: <expression>, p: [ <expression1>, <expression2>, ... ], method: <string> } }
命令字段
$percentile
采用以下字段:
字段 | 类型 | 必要性 | 说明 |
---|---|---|---|
input | 表达式(expression) | 必需 | $percentile 计算此数据的百分位数。 input 必须是计算结果为数字类型的字段名或表达式。 如果表达式无法转换为数字类型, $percentile 计算将忽略它。 |
p | 表达式(expression) | 必需 |
|
method | 字符串 | 必需 | mongod 用于计算百分位数的方法。该方法必须是 'approximate' 。 |
行为
您可以在以下位置使用 $percentile
:
$group
阶段用作累加器$setWindowFields
阶段用作累加器$project
阶段作为聚合表达式
$percentile
作为累加器,具有以下特点:
为阶段中的所有文档计算单独的结果。
使用 t-digest 算法,用于计算基于百分位数的近似指标。
使用近似方法来扩展海量数据。
$percentile
作为聚合表达式,具有以下特点:
接受数组作为输入
为每个输入文档计算单独的结果
操作类型
在 $group
阶段,$percentile
是累加器,计算窗口中所有文档的值。
在 $project
阶段,$percentile
是一个聚合表达式,用于计算每个文档的值。
在 $setWindowFields
阶段中,$percentile
像聚合表达式一样返回每个文档的结果,但该结果是通过诸如累加器之类的文档组计算得出的。
计算注意事项
在 $group
阶段中,$percentile
始终使用近似计算方法。
在 $project
阶段,即使指定了近似方法,$percentile
也可能使用离散计算方法。
在 $setWindowFields
阶段,工作负载决定了 $percentile
使用的计算方法。
即使在相同的数据集上,计算出的 $percentile
收益的百分位数也可能不同。这是因为算法计算的是近似值。
重复样本可能会导致歧义。如果存在大量重复样本,百分位值可能无法代表实际的样本分布。考虑所有样本都相同的数据集。数据集中的所有值都位于或低于任何百分位数。“第 50 百分位数”的值实际上代表 0 或 100% 的样本。
$percentile
返回 p = 0.0
的最小值。
$percentile
返回 p = 1.0
的最大值。
数组输入
如果在 $project
阶段使用 $percentile
作为聚合表达式,则可以使用数组作为输入。语法为:
{ $percentile: { input: [ <expression1, <expression2>, .., <expressionN> ], p: [ <expression1>, <expression2>, ... ], method: <string> } }
窗口功能
通过窗口函数,您可以计算出相邻文档移动“窗口”的结果。当每份文档通过管道时,$setWindowFields
阶段:
重新计算当前窗口中的文档集
计算集合中所有文档的值
返回该文档的单个值
您可以在 $setWindowFields
阶段使用 $percentile
来计算时间序列或其他相关数据的滚动统计数据。
在 $setWindowField
阶段使用 $percentile
时,input
值必须是字段名。如果输入数组而不是字段名称,则操作将失败。
示例
以下示例使用 testScores
集合。创建集合:
db.testScores.insertMany( [ { studentId: "2345", test01: 62, test02: 81, test03: 80 }, { studentId: "2356", test01: 60, test02: 83, test03: 79 }, { studentId: "2358", test01: 67, test02: 82, test03: 78 }, { studentId: "2367", test01: 64, test02: 72, test03: 77 }, { studentId: "2369", test01: 60, test02: 53, test03: 72 } ] )
将单个值作为累加器进行计算
创建一个计算单个百分位值的累加器:
db.testScores.aggregate( [ { $group: { _id: null, test01_percentiles: { $percentile: { input: "$test01", p: [ 0.95 ], method: 'approximate' } }, } } ] )
输出:
{ _id: null, test01_percentiles: [ 67 ] }
_id
字段值为 null
,因此 $group
选择集合中的所有文档。
percentile
累加器从 test01
字段获取输入数据。
在此示例中,百分位数数组 p
有一个值,因此 $percentile
操作符仅计算 test01
数据的一个项。第 95 个百分位数值为 67
。
将多个值作为累加器进行计算
创建一个计算多个百分位数值的累加器:
db.testScores.aggregate( [ { $group: { _id: null, test01_percentiles: { $percentile: { input: "$test01", p: [ 0.5, 0.75, 0.9, 0.95 ], method: 'approximate' } }, test02_percentiles: { $percentile: { input: "$test02", p: [ 0.5, 0.75, 0.9, 0.95 ], method: 'approximate' } }, test03_percentiles: { $percentile: { input: "$test03", p: [ 0.5, 0.75, 0.9, 0.95 ], method: 'approximate' } }, test03_percent_alt: { $percentile: { input: "$test03", p: [ 0.9, 0.5, 0.75, 0.95 ], method: 'approximate' } }, } } ] )
输出:
{ _id: null, test01_percentiles: [ 62, 64, 67, 67 ], test02_percentiles: [ 81, 82, 83, 83 ], test03_percentiles: [ 78, 79, 80, 80 ], test03_percent_alt: [ 80, 78, 79, 80 ] }
_id
字段值为 null
,因此 $group
选择集合中的所有文档。
percentile
累加器计算三个字段的值,即 test01
、test02
和 test03
。
累加器会计算每个输入字段的第 50、75、90 和 95 个百分位数。
按照与 p
的元素相同的顺序返回百分位数值。test03_percentiles
和 test03_percent_alt
中的值相同,但顺序不同。每个结果数组中元素的顺序与 p
中相应的元素顺序匹配。
$percentile
在$project
阶段使用
在 $project
阶段,$percentile
是一个聚合表达式,用于计算每个文档的值。
您可以在 $project
阶段使用字段名称或数组作为输入。
db.testScores.aggregate( [ { $project: { _id: 0, studentId: 1, testPercentiles: { $percentile: { input: [ "$test01", "$test02", "$test03" ], p: [ 0.5, 0.95 ], method: 'approximate' } } } } ] )
输出:
{ studentId: '2345', testPercentiles: [ 80, 81 ] }, { studentId: '2356', testPercentiles: [ 79, 83 ] }, { studentId: '2358', testPercentiles: [ 78, 82 ] }, { studentId: '2367', testPercentiles: [ 72, 77 ] }, { studentId: '2369', testPercentiles: [ 60, 72 ] }
当 $percentile
是聚合表达式时,每个 studentId
都有一个结果。
$percentile
在$setWindowField
阶段使用
如需根据本地数据趋势确定百分位值,请使用 $setWindowField
聚合管道阶段的 $percentile
。
此示例创建了一个筛选分数的窗口:
db.testScores.aggregate( [ { $setWindowFields: { sortBy: { test01: 1 }, output: { test01_95percentile: { $percentile: { input: "$test01", p: [ 0.95 ], method: 'approximate' }, window: { range: [ -3, 3 ] } } } } }, { $project: { _id: 0, studentId: 1, test01_95percentile: 1 } } ] )
输出:
{ studentId: '2356', test01_95percentile: [ 62 ] }, { studentId: '2369', test01_95percentile: [ 62 ] }, { studentId: '2345', test01_95percentile: [ 64 ] }, { studentId: '2367', test01_95percentile: [ 67 ] }, { studentId: '2358', test01_95percentile: [ 67 ] }
在此示例中,每个文档的百分位数计算还包含该文档之前和之后的三个文档的数据。
了解详情
$median
操作符是 $percentile
操作符的一种特殊情况,它使用固定的值 p: [ 0.5 ]
。
有关窗口函数的更多信息,请参阅:$setWindowFields
。