百分位 - Platform For AI

百分位是統計學術語，用於計算資料表列資料的百分位。一組資料從小到大排序，並計算相應資料的百分位，則某百分位所對應資料的值稱為該百分位的百分位元。

背景資訊

系統僅支援Bigint、Double和Datetime類型的資料計算百分位。
計算百分位時，空列，預設跳過。如果全部為空白列，則運行報錯。
colName支援配置多列資料。

組件配置

您可以使用以下任意一種方式，配置百分位組件參數。

方式一：可視化方式

在Designer工作流程頁面配置組件參數。

頁簽	參數	描述
參數設定	輸入列	選擇輸入列的欄位。
執行調優	核心數量	節點個數。
執行調優	每個核的記憶體大小	單個節點記憶體大小。

方式二：PAI命令方式

使用PAI命令方式，配置該組件參數。您可以使用SQL指令碼組件進行PAI命令調用，詳情請參見SQL指令碼。

PAI -name Percentile
     -project algo_public
     -DinputTableName=maple_test_percentile_3col_input
     -DcolName=col0,col1,col2 -DoutputTableName=maple_test_percentile_3col_output;

參數名稱	參數描述	是否
inputTableName	輸入表名。	是
outputTableName	輸出表名。	是
colName	計算的列名，預設值選擇所有列。說明多個列名之間使用英文逗號（,）分割。	否
inputPartitions	系統預設選擇所有分區。指定輸入表的分區：指定單個分區，格式為`partition_name=value`。指定多個分區，格式為`name1=value1,name2=value2`。說明多個分區之間用英文逗號（,）分隔。指定多級分區，格式為`name1=value1/name2=value2`。	否
predictInputTableName	預測表表名，配置該項參數後即可輸出預測結果。	否
predictInputTablePartitions	輸入預測表分區。	否
predictSelectedColNames	預測表列名，系統預設選取全表。該列名需要與訓練表中對應的列相同。	否
predictSelectedOriginalColNames	輸入表中保持原有資料的列名，預設選擇所有列，以英文逗號（,）分隔。	否
predictOutputTableName	輸出預測表名，與predictInputTableName參數配對使用。	否
lifecycle	輸出表的生命週期，系統預設無生命週期。說明僅支援輸入正整數。	否
coreNum	節點個數，取值範圍為[1, 9999]。與參數memSizePerCore配對使用。說明僅支援輸入正整數。	否
memSizePerCore	單個節點記憶體大小，取值範圍為[1024, 64*1024] ，單位MB。說明僅支援輸入正整數。	否

樣本

輸入表

col0:double（1000行）	col1:bigint（100行）	col2:bigint（300行）
962	88	Tue Oct 15 00:26:40 CST 1974
218	99	Thu Jan 04 20:53:20 CST 1973
565	44	Sat Mar 09 02:40:00 CST 1974
314	68	Mon Aug 11 22:40:00 CST 1975
583	13	Sat Aug 23 12:26:40 CST 1975
615	87	Tue May 25 14:13:20 CST 1971
70	53	Fri Mar 23 09:20:00 CST 1979
929	63	Mon Jul 03 16:26:40 CST 1972
249	48	Thu Mar 15 07:33:20 CST 1973
428	62	Wed Mar 17 03:33:20 CST 1971
119	1	Thu Jun 26 15:33:20 CST 1975
756	27	Mon Jan 30 17:20:00 CST 1978
490	75	Wed Dec 11 21:20:00 CST 1974
957	12	Sun Jul 05 12:26:40 CST 1970
80	22	Wed Oct 04 06:40:00 CST 1972
681	57	Wed Nov 03 15:06:40 CST 1971
13	95	Sat Sep 12 23:06:40 CST 1970

PAI命令

 PAI -name Percentile
     -project algo_public
     -DinputTableName=maple_test_percentile_3col_input
     -DcolName=col0,col1,col2 -DoutputTableName=maple_test_percentile_3col_output;

輸出表

quantile:bigint	col0:double	col1:bigint	col2:datetime
0	0.0	0	Thu Jan 01 08:00:00 CST 1970
1	9.0	0	Sat Jan 24 11:33:20 CST 1970
2	19.0	1	Sat Feb 28 04:53:20 CST 1970
3	29.0	2	Fri Apr 03 22:13:20 CST 1970
4	39.0	3	Fri May 08 15:33:20 CST 1970
5	49.0	4	Fri Jun 12 08:53:20 CST 1970
6	59.0	5	Fri Jul 17 02:13:20 CST 1970
7	69.0	6	Thu Aug 20 19:33:20 CST 1970
8	79.0	7	Thu Sep 24 12:53:20 CST 1970
9	89.0	8	Thu Oct 29 06:13:20 CST 1970
10	99.0	9	Wed Dec 02 23:33:20 CST 1970
11	109.0	10	Wed Jan 06 16:53:20 CST 1971
12	119.0	11	Wed Feb 10 10:13:20 CST 1971
13	129.0	12	Wed Mar 17 03:33:20 CST 1971
14	139.0	13	Tue Apr 20 20:53:20 CST 1971
15	149.0	14	Tue May 25 14:13:20 CST 1971
16	159.0	15	Tue Jun 29 07:33:20 CST 1971
...	...	...	...
84	839.0	83	Thu Dec 15 10:13:20 CST 1977
85	849.0	84	Thu Jan 19 03:33:20 CST 1978
86	859.0	85	Wed Feb 22 20:53:20 CST 1978
87	869.0	86	Wed Mar 29 14:13:20 CST 1978
88	879.0	87	Wed May 03 07:33:20 CST 1978
89	889.0	88	Wed Jun 07 00:53:20 CST 1978
90	899.0	89	Tue Jul 11 18:13:20 CST 1978
91	909.0	90	Tue Aug 15 11:33:20 CST 1978
92	919.0	91	Tue Sep 19 04:53:20 CST 1978
93	929.0	92	Mon Oct 23 22:13:20 CST 1978
94	939.0	93	Mon Nov 27 15:33:20 CST 1978
95	949.0	94	Mon Jan 01 08:53:20 CST 1979
96	959.0	95	Mon Feb 05 02:13:20 CST 1979
97	969.0	96	Sun Mar 11 19:33:20 CST 1979
98	979.0	97	Sun Apr 15 12:53:20 CST 1979
99	989.0	98	Sun May 20 06:13:20 CST 1979
100	999.0	99	Sat Jun 23 23:33:20 CST 1979