Oracel函数--分析函数、OLAP函数

Oracle常用分析函数

 
1.1简单指标函数：
SUM        ：该函数计算组中表达式的累积和

MIN        ：在一个组中的数据窗口中查找表达式的最小值

MAX        ：在一个组中的数据窗口中查找表达式的最大值

AVG        ：用于计算一个组和数据窗口内表达式的平均值。

COUNT      ：对一组内发生的事情进行累积计数
1.2简单应用函数:

RANK               ：根据ORDER BY子句中表达式的值，从查询返回的每一行，计算它们与其它行的相对位置

DENSE_RANK ：根据ORDER BY子句中表达式的值，从查询返回的每一行，计算它们与其它行的相对位置

FIRST               ：从DENSE_RANK返回的集合中取出排在最前面的一个值的行

LAST                ：从DENSE_RANK返回的集合中取出排在最后面的一个值的行

FIRST_VALUE ：返回组中数据窗口的第一个值

LAST_VALUE   ：返回组中数据窗口的最后一个值。

LAG                  ：可以访问结果集中的其它行而不用进行自连接

LEAD                ：LEAD与LAG相反，LEAD可以访问组中当前行之后的行

ROW_NUMBER：返回有序组中一行的偏移量，从而可用于按特定标准排序的行号

-------------------------------------------------------------------------------------------------

1.3分析函数:
STDDEV     ：计算当前行关于组的标准偏离

STDDEV_POP：该函数计算总体标准偏离，并返回总体变量的平方根

STDDEV_SAMP：该函数计算累积样本标准偏离，并返回总体变量的平方根

VAR_POP    ：该函数返回非空集合的总体变量

VAR_SAMP   ：该函数返回非空集合的样本变量

VARIANCE   ：如果表达式中行数为1，则返回0，如果表达式中行数大于1，则返回VAR_SAMP

COVAR_POP  ：返回一对表达式的总体协方差

COVAR_SAMP：返回一对表达式的样本协方差（与总体协方差的区别，空值返回0）

CORR              ：返回一对表达式的相关系数

REGR_SLOPE : 返回非空值对拟合的线性回归斜率(相当于COVER_POP(a,b)/VAR_POP(b))

CUME_DIST  ：计算一行在组中的相对位置

NTILE       ：将一个组分为"表达式"的散列表示

PERCENT_RANK：和CUME_DIST（累积分配）函数类似

PERCENTILE_DISC：返回一个与输入的分布百分比值相对应的数据值

PERCENTILE_CONT：返回一个与输入的分布百分比值相对应的数据值

RATIO_TO_REPORT：该函数计算expression/(sum(expression))的值，它给出相对于总数的百分比

REGR_ (Linear Regression) Functions：这些线性回归函数适合最小二乘法回归线，有9个不同的回归函数可使用

-------------------------------------------------------------------------------------------------

CUBE        :按照OLAP的CUBE方式进行数据统计,即各个维度均需统计

ROLLUP      :

二、OLAP函数
完成本章学习后，将能够：
使用标准SQL进行数据挖掘
在标准SQL中使用OLAP函数
执行统计方面的采样(samplings)、排队(rankings)和分位数(quantiles)
了解 OLAP统计函数

2.1 OLAP函数简介
OLAP即联机分析处理(On-Line Analytical Process)。Teradata数据库本身提供
了一些OLAP函数，包括：
RANK - 排队(Rankings)
QUANTILE - 分位数(Quantiles)
CSUM - 累计(Cumulation)
MAVG - 移动平均(Moving Averages)
MSUM - 移动合计(Moving Sums)
MDIFF - 移动差分(Moving Differences)
MLINREG - 移动线性回归(Moving Linear Regression)

2.2 OLAP函数与聚合函数对比
对数据进行分组操作 (类似于GROUP BY 子句)
能够使用QUALIFY子句过滤组 (类似于HAVING 子句)
OLAP函数又与聚合函数不同，因为：
返回满足条件的每行的数据值，而不是组的值
不能在子查询内使用
OLAP函数可以对下面的数据库对象或动作使用：
Tables (Perm, Temp, Derived)
Views
INSERT/SELECT

2.3累计函数
累计函数(CSUM) 计算一列的连续的累计的值。语法为：
CSUM(colname, sort list)
表'daily_sales'在许多查询中都将使用，其定义如下。
CREATE SET TABLE daily_sales ,NO FALLBACK
,NO BEFORE JOURNAL
,NO AFTER JOURNAL

(itemid INTEGER
,salesdate DATE FORMAT 'YY/MM/DD'
,sales DECIMAL(9,2))
PRIMARY INDEX ( itemid );
问题
创建item 10从1998年1月和2月的连续的日汇总报表。

解答
SELECT salesdate, sales, csum(sales, salesdate)
FROM daily_sales
WHERE salesdate BETWEEN 980101 AND 980301
AND itemid = 10;
结果
salesdate sales Csum
98/01/01 150.00 150.00
98/01/02 200.00 350.00
98/01/03 250.00 600.00
98/01/05 350.00 950.00
98/01/10 550.00 1500.00
98/01/21 150.00 1650.00
98/01/25 200.00 1850.00
98/01/31 100.00 1950.00
98/02/01 150.00 2100.00
98/02/03 250.00 2350.00

98/02/06 350.00 2700.00
98/02/17 550.00 3250.00
98/02/20 450.00 3700.00
98/02/27 350.00 4050.00

在上面的报表中，每行都代表item 10一天的数据。注意，不是每天都销售了
item 10。最右边的列代表其在两个月内的累计销售额。
如果想每月重新累计，该怎么办？
累计汇总可以使用GROUP BY子句在特殊的点复位，即重新开始累计。注
意，OLAP函数和标准聚合函数(SUM, COUNT,AVG, MIN, MAX) 是不能在同一查
询中兼容的。因此，对这类查询使用GROUP BY，将会起分隔的作用。
问题
创建item 10从1998年1月和2月的连续的日汇总报表，并且每月重新开始累
计。

解答
SELECT salesdate, sales, csum(sales, salesdate)
FROM daily_sales ds, sys_calendar.calendar sc
WHERE ds.salesdate = sc.calendar_date
AND sc.year_of_calendar = 1998
AND sc.month_of_year in (1,2)

AND ds.itemid = 10
GROUP BY sc.month_of_year;

结果
salesdate sales Csum
98/01/01 150.00 150.00
98/01/02 200.00 350.00
98/01/03 250.00 600.00
98/01/05 350.00 950.00
98/01/10 550.00 1500.00
98/01/21 150.00 1650.00
98/01/25 200.00 1850.00
98/01/31 100.00 1950.00
98/02/01 150.00 150.00 重新累计
98/02/03 250.00 400.00
98/02/06 350.00 750.00
98/02/17 550.00 1300.00
98/02/20 450.00 1750.00
98/02/27 350.00 2100.00

要回答上面的问题，你需要得到年和月。连接到系统日历，可以获得月。
GROUP BY子句累计重新开始，告诉系统"当月改变时，累计值清零"。

移动平均函数
移动平均函数(MAVG) 基于预定的行数(查询宽度)计算一列的移动平均值。如
果行数小于这个宽度，则基于前面已有的行计算平均值。使用移动平均的语法是：
MAVG(colname, n, sortlist)
colname = 计算移动平均值的列
n = 行数(< 4096)，计算时将使用，包括当前行('n' 也称为平均宽度)
sortlist = 确定行顺序的列

问题
显示item 10基于7天宽度的移动平均值。
解答
SELECT salesdate,itemid, sales, MAVG(sales, 7, salesdate)
FROM daily_sales;
结果
salesdate itemid sales MAvg
98/01/01 10 150.00 150.00

98/01/02 10 200.00 175.00 前2行的平均值
98/01/03 10 250.00 200.00
98/01/05 10 350.00 237.50
98/01/10 10 550.00 300.00
98/01/21 10 150.00 275.00
98/01/25 10 200.00 264.29 前7行的平均值
98/01/31 10 100.00 257.14
98/02/01 10 150.00 250.00
98/02/03 10 250.00 250.00
98/02/06 10 350.00 250.00
98/02/17 10 550.00 250.00
98/02/20 10 450.00 292.86

计算时，使用当前行和前面n-1行。如果行数小于n-1，则使用前面所有行。缺
省，按照sortlist中的列升序排列。

2.4移动汇总函数
移动汇总函数(MSUM) 基于预定的查询宽度计算一列的移动汇总值。宽度决
定有多少行合计到汇总值中。如果前面的行数小于n，则仅使用前面所有行。移动
汇总函数的语法是：
MSUM(colname, n, sortlist)
注意：'n'是一个整数，表示有多少行参加汇总求和。

问题
显示item 10基于3天宽度的移动汇总值。
解答
SELECT salesdate, itemid, sales, msum(sales, 3, salesdate)
FROM daily_sales;

结果
salesdate itemid sales MSum
98/01/01 10 150.00 150.00
98/01/02 10 200.00 350.00 前面2行的总和
98/01/03 10 250.00 600.00
98/01/05 10 350.00 800.00
98/01/10 10 550.00 1150.00
98/01/21 10 150.00 1050.00
98/01/25 10 200.00 900.00 前面3行的总和
98/01/31 10 100.00 450.00
98/02/01 10 150.00 450.00
98/02/03 10 250.00 500.00
98/02/06 10 350.00 750.00
98/02/17 10 550.00 1150.00
98/02/20 10 450.00 1350.00
98/02/27 10 350.00 1350.00

移动汇总(MSum)与移动平均(MAvg)有下列相同的规则：
使用当前行和前n-1行
如果行数小于n-1，使用前面所有的行
缺省按照sortlist中的列升序排列

2.5移动差分函数
移动差分函数(MDIFF) 基于预定的查询宽度计算一列的移动差分值。宽度决
定有多少行参与计算。如果前面的行数小于n，则产生一个空值(null)代表差值。移
动差分函数的语法是：
MDIFF(colname, n, sortlist)
宽度n<=4096

 问题
显示item 10基于3天宽度的移动差分值。

解答
SELECT salesdate, itemid, sales, mdiff(sales, 3, salesdate)
FROM daily_sales;

结果

salesdate itemid sales MDiff
98/01/01 10 150.00 ?
98/01/02 10 200.00 ?
98/01/03 10 250.00 ?
98/01/05 10 350.00 200.00 2行的差值
98/01/10 10 550.00 350.00
98/01/21 10 150.00 -100.00
98/01/25 10 200.00 -150.00
98/01/31 10 100.00 -450.00
98/02/01 10 150.00 .00
98/02/03 10 250.00 50.00 2行的差值
98/02/06 10 350.00 250.00
98/02/17 10 550.00 400.00
98/02/20 10 450.00 200.00
98/02/27 10 350.00 .00

Mdiff列的值表示某日销售额与三天前日销售额的差。
MDIFF的用法与MAvg 和MSum 有一些不同：
使用当前行和前面的第n行

如果前面没有第n行，返回空值(null)
缺省按照sortlist 中的列升序排列

2.6排队函数

准备数据表
在数据库Customer_Service中增加一个销售表，后面的OLAP查询将使用这个
表。
表定义
CREATE TABLE salestbl
(storeid INTEGER,
prodid CHAR(1),
sales DECIMAL(9,2));
表中数据为：

storeid prodid sales
1001 A 100000.00
1001 C 60000.00
1001 D 35000.00
1001 F 150000.00
1002 A 40000.00
1002 C 35000.00
1002 D 25000.00
1003 A 30000.00

1003 B 65000.00
1003 C 20000.00
1003 D 50000.00

简单排队
排队函数对一列进行排队，可以按照升序或者降序排队。缺省，输出结果按
照降序排队，对应的排队名次是升序。换句话说，如果一个销售代表在某季度的销
售额最高，其排名为1，这是一个最小的值。
排队函数(RANK)的语法是：
RANK(colname)
这里，colname表示排队的列名，其结果降序排列。
问题
显示商店1001的产品销售额排队。

解答
SELECT storeid, prodid, sales, RANK(sales)
FROM salestbl
WHERE storeid = 1001;

结果
storeid prodid sales Rank
1001 F 150000.00 1
1001 A 100000.00 2
1001 C 60000.00 3
1001 D 35000.00 4
如上所示，列Rank的最大值代表最低的销售额。
使用排队函数的规则包括：
WHERE子句限定参与排队的记录。
应用排队函数时，缺省最大的数名次最低。
缺省顺序是按排队列的降序。

带限定的排队
QUALIFY子句限制排队输出的最终结果。QUALIFY子句与HAVING子句类
似，使输出限制在一定范围内。
问题
按商店得到销售前3名的产品。

解答
SELECT storeid, prodid, sales, rank(sales)
FROM salestbl
GROUP BY storeid
QUALIFY rank(sales) <= 3;
结果
storeid prodid sales Rank
1001 A 100000.00 1
1001 C 60000.00 2
1001 D 35000.00 3
1002 A 40000.00 1
1002 C 35000.00 2
1002 D 25000.00 3
1003 B 65000.00 1
1003 D 50000.00 2
1003 A 30000.00 3

上面的例子中，GROUP BY子句不是做聚合，它实际上是改变查询的范围，
也引起排序。
使用排队函数的规则包括：
对某列的每行都应用了排队
GROUP BY子句控制范围，如商店内的销售额排队(注意- 查询中并没有聚
合)

排队中的变化
GROUP BY子句可以和RANK函数一起使用，改变排队的范围。没有GROUP
BY子句，缺省的范围是排队的列。前面的例子中，范围是销售额，排队是基于销
售额进行的。
排队的列是缺省的排序列，GROUP BY子句增加了一级排序。
缺省排序 - 按排队列降序
次排序 - 按GROUP BY中的列升序

问题
得到前3名的销售额 - 任何商店、任何产品。

解答
SELECT storeid
,prodid
,sales
,rank(sales)
FROM salestbl
GROUP BY storeid, prodid
QUALIFY RANK(sales) <= 3
;

结果
storeid prodid sales Rank
1001 A 100000.00 1
1001 C 60000.00 1
1001 D 35000.00 1
1001 F 150000.00 1
1002 A 40000.00 1
1002 C 35000.00 1
1002 D 25000.00 1
1003 A 30000.00 1
1003 B 65000.00 1
1003 C 20000.00 1
1003 D 50000.00 1

排名都是1的原因是使用了GROUP BY子句，范围变成了商店内的产品的销售
额。因为每种产品在一个商店中只有一种，所以排名都是1。
现在去掉GROUP BY子句，范围变成了缺省的销售额。

现在去掉GROUP BY子句，范围变成了缺省的销售额。

解答
SELECT storeid
,prodid
,sales
,rank(sales)
FROM salestbl
QUALIFY RANK(sales) <= 3
;
结果
storeid prodid sales Rank
1001 F 150000.00 1
1001 A 100000.00 2
1003 B 65000.00 3

2.6.1带聚合的排队
由于上面的原因，OLAP函数与聚合函数在同一查询内不兼容，否则将引起二
意性。替代的办法，是使用导出表(derived)或临时表来解决这类问题。临时表包含
聚合信息，再对临时表进行OLAP查询。
问题
获得销售额在前3名的产品，跨所有商店。

解答
SELECT t.prodid, t.sumsales, RANK(t.sumsales)
FROM (SELECT a.prodid, sum(a.sales) FROM salestbl a
GROUP BY 1) AS t(prodid, sumsales)
QUALIFY RANK(sumsales) <= 3;
注意：'t' 是一个从salestbl产生的导出表，包含两列：prodid and sumsales。
结果
prodid Sumsales Rank
A 170000.00 1
C 115000.00 2
D 110000.00 3

缺省顺序是按照列sumsales的降序。这里主查询中没有GROUP BY子句，范围
是Sumsales。
问题
获得销售额在最后3名的产品，跨所有商店。

解答
SELECT t.prodid, t.sumsales, RANK(t.sumsales)
FROM (SELECT a.prodid, sum(a.sales)
FROM salestbl a
GROUP BY 1) AS t(prodid, sumsales)
QUALIFY RANK(sumsales ASC) <= 3;
结果
prodid sumsales Rank
B 65000.00 5
D 110000.00 4
C 115000.00 3
注意：名次可能大于3。

这个查询与前面的唯一区别是QUALIFY子句中的sumsales为升序。为什么会
得到大于3的结果呢？
答案是按sumsales的升序(sumsales ASC) 排列后，会给我们最底下的3行数据。
QUALIFY子句的意思是‘按销售额升序排列，得到前3行数据’。

解答
SELECT t.prodid, t.sumsales, rank(t.sumsales)
FROM (SELECT a.prodid, sum(a.sales) FROM salestbl a
GROUP BY 1) as t(prodid, sumsales)
QUALIFY RANK(sumsales asc) <= 3;
结果
prodid sumsales Rank

B 65000.00 5
D 110000.00 4
C 115000.00 3
现在做同样的查询，这次包括ORDER BY子句。
问题
得到销售最差的3种产品，跨所有商店，并按照产品号(prodid)排序。

解答
SELECT t.prodid, t.sumsales, rank(t.sumsales)
FROM (SELECT a.prodid, sum(a.sales) from salestbl a
GROUP BY 1) as t(prodid, sumsales)
QUALIFY RANK(sumsales asc) <= 3
ORDER BY 1;
结果
Prodid sumsales Rank
B 65000.00 5
C 115000.00 3
D 110000.00 4

看上面的结果，同样的3行数据，但顺序不一样。ORDER BY子句中的列成为
主排序列。

2.7分位数函数

分位数用于将一组记录分成大致相等的部分。最常见的分位数是百分位数(基
于100)，也有4分位数 (基于4)、3分位数 (基于3) 和10分位数 (基于10)。注意，缺省
地，分位数的列和值都按升序输出。

可以使用ORDER BY子句重新排序。如前所述，聚合函数不能和OLAP函数混
合使用，如果要使用聚合函数，可以使用导出表或临时表。分位数函数的语法是：
QUANTILE (quantile_constant,sortlist)

quantile_constant = 定义分位数大小的常量。
sortlist = 用于分割和排序的列。
问题
显示产品销售额的百分位。
解答
SELECT t.prodid, t.sumsales, QUANTILE (100,sumsales)
FROM (SELECT a.prodid, sum(a.sales) from salestbl a
GROUP BY 1) as t(prodid, sumsales);
注： 宽度= 100，分位数的范围是0-99 。

结果
prodid sumsales Quantile
B 65000.00 0

D 110000.00 20
C 115000.00 40
F 150000.00 60
A 170000.00 80
上述查询使用导出表(derived table)进行聚合，使用缺省的分位数升序排序。可
以使用ORDER BY子句重新排序。总共有5个产品，所以等分为20% 。
问题
显示销售额的百分位数为60+的产品。

解答
SELECT t.prodid, t.sumsales, QUANTILE(100,sumsales)
FROM (SELECT a.prodid, sum(a.sales) from salestbl a
GROUP BY 1) as t(prodid, sumsales)
QUALIFY QUANTILE(100,sumsales) >= 60;
结果
prodid sumsales Quantile
F 150000.00 60
A 170000.00 80

分位与聚合
下面第一个查询返回公司内薪水在前25%的雇员。第二个查询得到薪水前25%
的雇员的薪水的总和，解决办法是通过使用导出表，混合聚合函数和OLAP函数。
问题
显示公司前25%的所有员工的薪水。

解答
SELECT salary_amount, QUANTILE (100, salary_amount)
FROM employee
QUALIFY QUANTILE (100, salary_amount) >=75;

结果
salary_amount Quantile
53625.00 76
54000.00 80
56500.00 84
57700.00 88
66000.00 92
100000.00 96
问题
计算公司前25%的薪水的总和。

解答1
SELECT sum(salary_amount)
FROM employee QUALIFY QUANTILE (100, salary_amount) >= 75;
结果
****Error - Can't mix stat functions with aggregates***
解答2
SELECT sum(sals)
FROM (SELECT salary_amount from employee
QUALIFY QUANTILE(100, salary_amount) >= 75)

temp(sals);
结果
Sum(sals)
387825.00

2.8分位与排序
下面的例子中，分位数函数表示如下：
QUANTILE (100, salary_amount, employee_number)

这里 ‘employee_number’ 是用于处理有相同薪水员工的情形。记住，
‘salary_amount’ (缺省是DESC) 告诉我们salary_amount将与分位数值一样降序排
序。使用employee_number，进一步保证在相同薪水的情况下，employee_number
将与分位数值一样降序排序。
问题
显示薪水最低的25%的所有员工。
解答1
SELECT employee_number, salary_amount,

QUANTILE (100, salary_amount , employee_number)
FROM employee
QUALIFY QUANTILE (100, salary_amount) < 25;

结果
employee_number salary_amount Quantile
1014 24500.00 03
1013 24500.00 00
1001 25525.00 07
1023 26500.00 11
1008 29250.00 15
1006 29450.00 19
1009 31000.00 23

2.9移动线性回归函数

移动线性回归函数MLINREG基于一个序列数据对得到一个预测值。序列对包
含一个独立的变量和一个依赖的变量。MLINREG函数基于前面的n对数预测依赖
变量的值。n叫做宽度。
MLINREG 的语法是：
MLINREG (y, n, x)

函数基于前面n-1行计算y值。y是依赖变量。x是独立变量，也是排序值。x和y
都必须是数字列，不能是日期。宽度n必须>=3 且<=4096。
例1
给出序列对x 和y的集合，使用线性回归预测y值，宽度是3。
解答
SELECT x, y, MLINREG(y, 3, x)
FROM linreg;

给出序列对x 和y的集合，使用线性回归预测y值，宽度是6。
解答
SELECT x, y, MLINREG(y, 6, x)
FROM linreg;

头两行总是空值(null)，结果的线性依赖于两个变量的线性。缺省的顺序是按
列 (x)的升序。可以使用ORDER BY重新排序。
线性回归是一个数学算法，其公式为：

按日期预测
移动线性回归函数的一个限制是不能使用日期作为独立变量。因为计算回归
需要使用加法、减法和乘法，对DATE 数据类型运算有问题。
一种解决办法是与系统日历做连接，用day_of_year 列代替日期，如果产生基
于月的结果，也可以使用month_of_year列。
注意GROUP BY子句会引起函数复位，GROUP BY子句也是主要的排序键，
独立变量是次要的排序键。
在移动线性回归函数中使用日期，可以使用CAST把他们转换成CHAR类型，
从而作为非日期类型使用。
问题
使用线性回归算法预测items 10 和11在1998年头两周的日销售额，宽度为5。

解答
SELECT itemid, CAST(salesdate as char(10)) as chardate, sales
,mlinreg(sales, 5, chardate)
FROM jan_sales
WHERE salesdate between 980101 and 980114
AND itemid in (10,11)
GROUP BY 1
;

结果
itemid chardate sales MLinReg
10 98/01/01 150.00 ?
10 98/01/02 200.00 ?
10 98/01/03 250.00 250.00
10 98/01/04 350.00 300.00
10 98/01/05 550.00 400.00
10 98/01/06 150.00 625.00
10 98/01/07 200.00 300.00
10 98/01/08 100.00 100.00
10 98/01/09 150.00 -75.00
10 98/01/10 250.00 125.00
10 98/01/11 350.00 225.00
10 98/01/12 550.00 425.00
10 98/01/13 450.00 650.00
10 98/01/14 350.00 600.00
11 98/01/01 350.00 ? 复位
11 98/01/02 100.00 ?
11 98/01/03 450.00 -150.00

11 98/01/05 250.00 600.00
11 98/01/06 350.00 475.00
11 98/01/07 200.00 250.00
11 98/01/08 150.00 100.00
11 98/01/09 250.00 125.00
11 98/01/10 450.00 150.00
11 98/01/11 550.00 475.00
11 98/01/12 250.00 700.00
11 98/01/13 350.00 400.00
11 98/01/14 350.00 250.00

上面的内容有些需要注意：
GROUP BY子句引起线性回归算法复位
GROUP BY子句优先排序
DATE数据类型需要转换成CHAR类型

2.10采样函数

采样函数SAMPLE用于从表或视图中产生一些样本数据。有两种形式：
基于实际的行数
基于表的百分比
SAMPLE n - 这里n是一个整数。如果表中记录数>=n，将产生n行记录；如果
表中记录数<n，样本是表中的所有记录。

SAMPLE n - 这里n 是一个小数，并且0.00<n<1.00。将作为百分比抽取表中数
据，返回记录数采用四舍五入法。如对雇员表采样25%，雇员表有26行记录，则采
样26 * .25 = 6.50 = 6 行记录。
例1
SELECT department_number
FROM employee
SAMPLE 10;

结果
****Query completed. 10 rows found.
department_number
401
401
403
401
301
401
403
402
401
401
注意：这里没有使用DISTINCT子句，仅仅任意抽取10行记录。

例2
SELECT department_number
FROM employee
SAMPLE .25;
结果
****Query completed. 6 rows found.
department_number
403
401
402
301
501
403

使用导出表(derived table)进行采样。
SELECT COUNT(DISTINCT dept)
FROM
(SELECT department_number from employee sample 13)
temp(dept);
结果 - 第一次执行
Count(Distinct(dept))
6

结果 - 第二次执行
Count(Distinct(dept))
5
两次运行结果不一样，原因是导出表是采样产生的13行记录，DISTINCT是基
于导出表而不是整个雇员表。

2.11 OLAP统计函数
Teradata V2R4中增加了一些OLAP统计函数。
一元统计函数包括：
STDDEV_SAMP, STTDEV_POP, VAR_SAMP, VAR_POP, SKEW, KURTOSIS
二元统计函数包括：
CORR, COVAR_POP, REGR_SLOPE, REGR_INTERCEPT
OLAP统计函数的特点包括：
能够使用GROUP BY产生分组。
可以与聚合函数混合使用。
不能与其他OLAP函数混合使用。

标准偏差函数
样本标准偏差
STDDEV_SAMP ({DISTINCT} value_expression)
Value_expression是计算样本标准偏差的列表达式。
返回 value_expression的样本标准偏差。
从给的样本中计算差量。
STDDEV_SAMP(x)的计算公式如下：

STDDEV_SAMP = SQRT((COUNT(x) * SUM(x**2) - (SUM(x))**2/(COUNT(x)
* (COUNT(x) - 1)))
全体标准偏差
STDDEV_POP ({DISTINCT} value_expression)
Value_expression是计算全体标准偏差的列表达式。
返回 value_expression的全体标准偏差。
从全体数据中计算差量。
STDDEV_POP(x)的计算公式如下：
STDDEV_POP = SQRT((COUNT(x) * SUM(x**2) - (SUM(x))**2/(COUNT(x) *
(COUNT(x)**2 - 1)))

2.12变异函数
样本变异函数
VARSAMP ({DISTINCT} value_expression)
Value_expression是计算样本变异的列表达式。
返回 value_expression的样本变异。
从给的样本或样本标准偏差的平方中计算差量。
VAR_SAMP(x)的计算公式如下：
VAR_SAMP = (COUNT(x) * SUM(x**2) - (SUM(x))**2/(COUNT(x) *
(COUNT(x) - 1))

全体变异函数
VAR_POP ({DISTINCT} value_expression)
Value_expression是计算全体变异的列表达式。
返回 value_expression的全体变异。
从全体数据中计算差量。
VAR_POP(x)的计算公式如下：
VAR_POP = (COUNT(x) * SUM(x**2) - (SUM(x))**2/(COUNT(x) *
(COUNT(x)**2))

2.13分布函数
分布歪斜函数
SKEW ({DISTINCT} value_expression)
Value_expression是计算分布歪斜的列表达式。
返回 value_expression的分布歪斜。
测量数据分布的不对称，与正常分布(歪斜值为0)进行比较。
正歪斜值指示朝正方向的不对称。
负歪斜值指示朝负方向的不对称。
SKEW(x)的计算公式如下：
SKEW = (COUNT(x) /((COUNT(x) - 1) * (COUNT(x) 2)) * SUM(((x - AVG(x))/
STDDEV_SAMP(x))**3

分布峰态函数
KURTOSIS ({DISTINCT} value_expression)
Value_expression是计算分布峰态的列表达式。
返回 value_expression的分布峰态。
测量数据分布的高峰或平缓，与正常分布(峰态值为0)进行比较。
正峰态值指示朝正方向的峰值。
负峰态值指示朝负方向的峰值。
KURTOSIS(x)的计算公式如下：
KURTOSIS = (COUNT(x) * (COUNT(x) + 1) * (COUNT(x) - 2) * (COUNT(x) -
3)) * SUM((x - AVG(x)) / STDDEV_SAMP(x))*4 - 3* (COUNT(x) - 1)**2 /
((COUNT(x) - 2) * (COUNT(x) - 3))

2.14相关性和协方差函数
协方差函数
COVAR_POP (value_expression, value_expression)
Value_expression是计算协方差的一对列表达式。
返回数据对的协方差。
是数据对的平均背离乘积。
COVAR_POP(x,y)的计算公式如下：
COVAR_POP = SUM((x - AVG(x)) * (y - AVG(y)))/COUNT(x)

相关性函数
CORR (value_expression, value_expression)
Value_expression是相关的一对列表达式。
返回数据对的皮尔森积(Pearson product)。
是测量变量之间的非因果的线性联系(non-causal linear association)。
CORR(x,y)的计算公式如下：
CORR = COVAR_POP(x,y) / (STDDEV_SAMP (x) * STDDEV_SAMP(y))

2.15线性回归函数
回归倾斜函数
REGR_SLOPE (value_expression1, value_expression2)
Value_expression1是独立变量。
Value_expression2 是依赖变量。
基于独立变量和依赖变量返回线性回归的倾斜(slope)值。
测试独立变量在依赖变量上的变化率。
REGR_SLOPE(x,y)的计算公式如下：
REGR_SLOPE = (COUNT(x) * SUM(x) * SUM(Y)) / (COUNT(x) * (SUM(x**2)) -
SUM(x)**2)

回归截取函数
REGR_INTERCEPT (value_expression1, value_expression2)
Value_expression1是独立变量。
Value_expression2 是依赖变量。
基于独立变量和依赖变量返回线性回归的截取(intercept)值。
是回归线与纵坐标的截取点。
REGR_INTERCEPT(x,y)计算公式如下：
REGR_INTERCEPT= AVG(y) - (REGR_SLOPE(x,y) * AVG(x));