百分位 - 人工智能平台 PAI

百分位是统计学术语，用于计算数据表列数据的百分位。一组数据从小到大排序，并计算相应数据的百分位，则某百分位所对应数据的值称为该百分位的百分位数。

背景信息

系统仅支持Bigint、Double和Datetime类型的数据计算百分位。
计算百分位时，空列，默认跳过。如果全部为空列，则运行报错。
colName支持配置多列数据。

组件配置

您可以使用以下任意一种方式，配置百分位组件参数。

方式一：可视化方式

在Designer工作流页面配置组件参数。

页签	参数	描述
参数设置	输入列	选择输入列的字段。
执行调优	核数量	节点个数。
执行调优	每个核的内存大小	单个节点内存大小。

方式二：PAI命令方式

使用PAI命令方式，配置该组件参数。您可以使用SQL脚本组件进行PAI命令调用，详情请参见SQL脚本。

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

参数名称	参数描述	是否
inputTableName	输入表名。	是
outputTableName	输出表名。	是
colName	计算的列名，默认值选择所有列。说明多个列名之间使用英文逗号（,）分割。	否
inputPartitions	系统默认选择所有分区。指定输入表的分区：指定单个分区，格式为`partition_name=value`。指定多个分区，格式为`name1=value1,name2=value2`。说明多个分区之间用英文逗号（,）分隔。指定多级分区，格式为`name1=value1/name2=value2`。	否
predictInputTableName	预测表表名，配置该项参数后即可输出预测结果。	否
predictInputTablePartitions	输入预测表分区。	否
predictSelectedColNames	预测表列名，系统默认选取全表。该列名需要与训练表中对应的列相同。	否
predictSelectedOriginalColNames	输入表中保持原有数据的列名，默认选择所有列，以英文逗号（,）分隔。	否
predictOutputTableName	输出预测表名，与predictInputTableName参数配对使用。	否
lifecycle	输出表的生命周期，系统默认无生命周期。说明仅支持输入正整数。	否
coreNum	节点个数，取值范围为[1, 9999]。与参数memSizePerCore配对使用。说明仅支持输入正整数。	否
memSizePerCore	单个节点内存大小，取值范围为[1024, 64*1024] ，单位MB。说明仅支持输入正整数。	否

示例

输入表

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;

输出表

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