基尼系数的手工计算

基尼系数通常衡量一个国家或地区居民收入差距的常用指标。同样基尼系数也可以衡量影响因素差距的目标。

基尼系数衡量一个某些因素差距的常用指标。基尼系数介于0-1之间，基尼系数越大，表示不平等程度越高。

 

第一步:计算出差值、影响程度、前期值占比、斜率、环比波幅

      差值=7月份的值-6月份的值

      影响程度=某个差值/差值的总和

      前期值占比=6月份的值/6月份的总和

      斜率=影响程度/前期值占比

      环比波幅=差值/6月份的值

	2020/06	2020/07	差值	影响程度	前期值占比	斜率	环比波幅
北京	700	200	-500	1.25	0.583333333	2.142857143	-71.43%
上海	100	400	300	-0.75	0.083333333	-9	300.00%
广州	400	200	-200	0.5	0.333333333	1.5	-50.00%
杭州	0	0	0	0	0	#DIV/0!	#DIV/0!
深圳	0	0	0	0	0	#DIV/0!	#DIV/0!
长沙	0	0	0	0	0	#DIV/0!	#DIV/0!
南京	0	0	0	0	0	#DIV/0!	#DIV/0!
天津	0	0	0	0	0	#DIV/0!	#DIV/0!
总和	1200	800	-400	1	1	1	-33.33%

 

第二步:计算出影响程度累计值、前期值占比累计值。

		纵坐标		横坐标
	影响程度	影响程度累计值	前期值占比	前期值占比累计值
上海	-0.75	-0.75	0.083333333	0.083333333
广州	0.5	-0.25	0.333333333	0.416666667
北京	1.25	1	0.583333333	1

 

第三步:根据影响程度、前期值占比、斜率计算影响系数，计算方法如下：

 

使用presto sql计算基尼系数，把sql稍微修改一下，同样也可以用hive计算基尼系数：

SELECT 1-sum(s) AS jini 
FROM
  (SELECT city,
          earlier_degree_sum/2*(influence_degree_sum+last_value(influence_degree_sum) OVER(
                                                                                           ORDER BY slope ROWS BETWEEN CURRENT ROW AND 1 following)+2) AS s 
   FROM
     (SELECT city,
             slope,influence_degree,earlier_degree,
             sum(influence_degree) over(
                                        ORDER BY influence_degree ROWS BETWEEN UNBOUNDED PRECEDING AND CURRENT ROW) AS influence_degree_sum, --影响程度累计值
             sum(earlier_degree) over(
                                      ORDER BY influence_degree ROWS BETWEEN UNBOUNDED PRECEDING AND CURRENT ROW) AS earlier_degree_sum --前期值占比累计值
      FROM (
              (SELECT city,
                      if(d_sum!=0,d_value*1.00/d_sum,NULL) AS influence_degree, --影响程度
                      if(last_sum!=0,last_month_value*1.00/last_sum,NULL) AS earlier_degree, --前期值占比
                      if(last_month_value!=0
                         AND d_sum!=0
                         AND last_sum!=0,(d_value*1.000000/d_sum)/(last_month_value*1.000000/last_sum)) AS slope --斜率
               FROM
                 (SELECT city, --计算6月和7月的每个城市的值
                         count(CASE
                                   WHEN create_time<TIMESTAMP '2020-07-01 00:00:00' THEN user_id
                                   ELSE NULL
                               END) AS last_month_value,
                         count(CASE
                                   WHEN create_time>=TIMESTAMP '2020-07-01 00:00:00' THEN user_id
                                   ELSE NULL
                               END) AS current_month_value,
                         (count(CASE
                                    WHEN create_time<TIMESTAMP '2020-07-01 00:00:00' THEN user_id
                                    ELSE NULL
                                END)-count(CASE
                                               WHEN create_time>=TIMESTAMP '2020-07-01 00:00:00' THEN user_id
                                               ELSE NULL
                                           END)) AS d_value
                  FROM dby_ods.ods_bi_sop_hourly
                  WHERE create_time<=TIMESTAMP '2020-07-31 00:00:00'
                    AND create_time>TIMESTAMP '2020-05-31 00:00:00'
                  GROUP BY city) t1
               JOIN
                 (SELECT count(CASE --计算6月和7月的总的值
                                   WHEN create_time<TIMESTAMP '2020-07-01 00:00:00' THEN user_id
                                   ELSE NULL
                               END) AS last_sum,
                         count(CASE
                                   WHEN create_time>=TIMESTAMP '2020-07-01 00:00:00' THEN user_id
                                   ELSE NULL
                               END) AS current_sum,
                         (count(CASE
                                    WHEN create_time>=TIMESTAMP '2020-07-01 00:00:00' THEN user_id
                                    ELSE NULL
                                END)-count(CASE
                                               WHEN create_time<TIMESTAMP '2020-07-01 00:00:00' THEN user_id
                                               ELSE NULL
                                           END)) AS d_sum
                  FROM dby_ods.ods_bi_sop_hourly
                  WHERE create_time<=TIMESTAMP '2020-07-31 00:00:00'
                    AND create_time>TIMESTAMP '2020-05-31 00:00:00') t2 ON 1=1) t3) t4
      ORDER BY influence_degree) t5
   ORDER BY slope) t6;