理解数据库的统计集聚函数

　　为了选用正确的函数，你必须具体地了解现在Oracle SQL中用到的一系列集聚函数。Oracle8和Oracle9都支持的函数包括：
　　
　　　
　　
　　
　　AVG
　　CORR
　　COUNT
　　COVAR_POP
　　COVAR_SAMP
　　MAX
　　MIN
　　REGR_
　　STDDEV
　　STDDEV_POP
　　STDDEV_SAMP
　　SUM
　　VAR_POP
　　VAR_SAMP
　　VARIANCE
　　　
　　几乎所有的集聚函数都将忽略那些NULL列。但是有一个例外，那就是COUNT(*)，这个函数将计算所有的纪录而不管是否存在NULL列。在一般集聚函数所有数据都为NULL时，集聚函数的返回值为NULL，但是COUNT(col)的返回值为零。
　　
　　MIN函数和MAX函数
　　MIN函数和MAX函数根据排序后返回最小值和最大值。你应该明白那些函数都是基于对它们的数据类型的排序结果。为了避免排序错误，日期和数字都必须定义为与其对应的数据类型。例如，MAX(TO_CHAR(date))会把1月排在2月之前。
　　
　　STDDEV，STDDEV_POP，STDDEV_SAMP和VARIANCE，VAR_POP，VAR_SAMP
　　
　　标准差和方差是衡量数据扩散范围的标准。假如一列中的数据都相同的话，那么标准差和方差就为零。在实际情况中，标准差描述的是反映平均值的一个锥形曲线。对于现实世界人口，有68%的数据应在一个标准差之内，96%的数据应在2个标准差之内。
　　
　　据统计表明：人口的样本方差并不能很好的反映整体人口的方差，这个事实就决定了存在3个标准差函数和3个方差函数。通过以下的SQL脚本来看看它的作用：
　　
　　drop table agg;
　　create table agg(n integer);
　　begin
　　　　for i in 0..1000 loop
　　　　　　insert into agg values(i);
　　　　end loop;
　　end;
　　/
　　show errors;
　　select 'Population' d,count(n),avg(n),stddev(n),stddev_pop(n),stddev_samp(n)
　　　from agg
　　union
　　select 'Sample',count(n),avg(n),stddev(n),stddev_pop(n),stddev_samp(n)
　　　from agg where mod(n,2) = 0
　　union
　　select 'Sample',count(n),avg(n),stddev(n),stddev_pop(n),stddev_samp(n)
　　　from agg where mod(n,10) = 0
　　union
　　select 'Sample',count(n),avg(n),stddev(n),stddev_pop(n),stddev_samp(n)
　　　from agg where mod(n,100) = 0;
　　得到的结果是
　　理解数据库的统计集聚函数

　　虽然这些数据是人为计算得到的，并没有在此锥形曲线上，但是这个例子反映了_SAMP和_POP的差别。从这个例子看出，样本的STDDEV_POP(N)列的数据比样本的STDDE(N)列数据更接近实际的STDDECV(N)列数据。
　　
　　因此，当你应用STDDEV函数时，认真考虑你处理的是什么数据是非常重要的。假如你想得到一些数据的真实标准差，那么你就应该用STDDEV_SAMP。假如你只是处理一些小型的抽样样本，只希望得到人口标准差的近似值的话，那么你应该用STDDEV_POP。
　　
　　VAR_SAMP就是STDDEV_SAMP的平方，相似的VAR_POP就是STDDEV_POP的平方。这两个函数并不常用，原因是他们的成员都是带平方的。
　　
　　COVAR_POP 和 COVAR_SAMP
　　　
　　
　　协方差和标准差相似，但是协方差能衡量一列数据对其他列的影响。假如存在一列是不可改变的（意味着次列与其他列无任何关系），那么协方差就为零，表示位COVER_SAMP(n，0)。
　　
　　假如一列的变化和另一列有关，那么协方差值就会变大。COVER_POP适用于计算的人口样本方差的近似值，而COVER_SAMP则应该用于计算数据的实际协方差。
　　
　　CORR
　　相关性是用于衡量相关系数的。它将两列的相关程度规格化为-1和1之间的一个数值。假如是1或者-1的话，就说明他们是完整的线性相关。表示位CORR(n，n)。
　　
　　假如相关性为零，那么意味着一个变量对另一个变量将没有影响。假如两列根本就没有改变，那就意味着这列的标准差为零，也就是说对其计算相关性是没有意义的，所以此时CORR的返回值为空。举例来说，CORR(n,1)的返回值将为空。
　　
　　REGR_
　　假设已知两数据相关，回溯函数能通过已知数据画一条能反映他们的发展趋势的曲线。并能通过这条线来在已知数据的基础上估计得到新的数据。事实上，由于得到的结果一条线而不是数字——所有的结果都是通过图中的线描述出来的，所以说回溯函数是一系列与众不同的函数。在图中，我们认为第一表达式为“Y轴”，而第二表达式为“X轴”。
　　
　　回溯函数是我们能进行一些初步估计。
估计近似值的公式为：
　　
　　pred1 = (pred2 * regr_slope(eXPr1,expr2)) + regr_intercept(expr1,expr2)
　　pred2 = (pred1 - regr_intercept(expr1,expr2)) / regr_slope(expr1,expr2)
　　回溯函数要求有两个数型参数。假如你要对日期数据进行操作，那么你必须先将这些数据转换成线行数类型。在Oracle SQL中，最好的办法就是就这些日期间去一个参照日期，从而得到对应的不同的天数（天数的类型符合要求了）。