我有这样的测试数据:approxQuantile在Spark(Scala)中给出不正确的中位数?
val data = List(
List(47.5335D),
List(67.5335D),
List(69.5335D),
List(444.1235D),
List(677.5335D)
)
我期待中位数为69.5335。 但是,当我试图找到确切的中位数与此代码:
df.stat.approxQuantile(column, Array(0.5), 0)
它给我:444.1235
为什么会这样,以及它如何能解决吗?
我做这样的:
val data = List(
List(47.5335D),
List(67.5335D),
List(69.5335D),
List(444.1235D),
List(677.5335D)
)
val rdd = sparkContext.parallelize(data).map(Row.fromSeq(_))
val schema = StructType(Array(
StructField("value", DataTypes.DoubleType, false)
))
val df = sqlContext.createDataFrame(rdd, schema)
df.createOrReplaceTempView(tableName)
val df2 = sc.sql(s"SELECT value FROM $tableName")
val median = df2.stat.approxQuantile("value", Array(0.5), 0)
所以我创建临时表。然后在里面搜索,然后计算结果。这只是为了测试。
嗯,奇怪。另一个版本,但仍然不是69.5335。我已将所有来源添加到我的问题中。 – user2975535