MySQL实现中位数算法
本次文章目的：
MySQL并没有专门的中位数算法，而对于SQL不熟悉的人，书写中位数，只能通过Java等语言实现。并非推荐使用MySQL完成中位数计算，以下实现，仅为了通过算法解析的过程中，了解一些MySQL常用与不常用的功能、函数，并开拓思维。
当然，对于一些临时性的要求，需要制作一些临时性的算法测试、校验、导出， 能使用MySQL完成这类算法，就凸显出其效率。
说到中位数，我们就需要一批数据来进行测试和实现，创建如下表：
DROP TABLE IF EXISTS CaseRent;
CREATE TABLE CaseRent(
ID int(6) NOT NULL AUTO_INCREMENT,
ResidentialAreaID int(6) DEFAULT NULL,
CaseFrom varchar(30) DEFAULT NULL,
Price int(6) DEFAULT NULL,
PRIMARY KEY (ID)
);
称之为出租案例表，关键字段有：小区ID、案例来源及价格。
接下来通过随机数来给出租案例表赋值：
INSERT INTO CaseRent (ResidentialAreaID, CaseFrom ,Price)
SELECT ROUND((RAND()*100)+1),'链家在线',ROUND((RAND()*8000)+1000)
该语句包含知识点如下：
1.通过 INSERT INTO ... SELECT 进行赋值（用途广泛，创建表亦可以使用）
2.运用Rand() 随机数函数，ROUND() 四舍五入函数，完成小区ID从0~100 ，价格从1000~9000的随机录入。
一条数据当然不够，我们可以使劲的多点几下执行，使数据增加到近10条。这时候我们修改一下赋值语句
INSERT INTO CaseRent (ResidentialAreaID, CaseFrom ,Price)
SELECT ROUND((RAND()*100)+1),'链家在线',ROUND((RAND()*8000)+1000) FROM CaseRent
继续反复来N下，之后将来源“链家在线”修改为“房天下”，进行一次赋值。
INSERT INTO CaseRent (ResidentialAreaID, CaseFrom ,Price)
SELECT ROUND((RAND()*100)+1),'房天下',ROUND((RAND()*8000)+1000) FROM CaseRent
模拟数据到此完成！示例如下：
实际上，网上的中位数花式百出，但无一不是：代码篇幅长、需要自我关联 或者 使用上临时变量。
当然也有类似我们接下来要讲的方式。无论哪种方式，都需要更多的了解和扩展自己所知。
接下来以刚才我们自定义的模拟数据为例子，安排第一个问题：
1.查找小区ID = 99 的价格中位数
这类的中位数，可以说是最简单的，而且网上大部分中位数，均针对此类中位数（单条件），从上述网站就可以看到，其问题与我们的类似，但其代码量可谓不少。
我们来分析问题：其获取价格中位数，就必须使用ORDER BY 来实现排序，排序后，统计总条数，来获取中间一条的价格作为结果（如果为偶数，可以取2条均值，亦可以取前一条 例如 6条数据，可以取第3、4 条进行均值计算，这里以取前一条为算法模拟）
那么第一步，无疑是要进行价格从小到大的排序：
SELECT * FROM CaseRent WHERE ResidentialAreaID = 99 ORDER BY Price
排序之后，ID显的杂乱无章，关如此，我们人为的话，只能去手动数条数进行查找， 因此我们需要拥有一个新的自增ID，以此来更快的得知其对应的排名。
如何得到新的自增ID呢？ 我们可以新建一张表， 通过INSERT INTO ...SELECT 来完成新数据的录入，以此达到数据的ID自增：例如：
INSERT INTO NewCaseRent(ResidentialAreaID,CaseFrom,Price)
SELECT ResidentialAreaID,CaseFrom,Price FROM CaseRent WHERE ResidentialAreaID = 99 ORDER BY Price
不过这样我们就需要建表了，这就显的很麻烦，因为一个自增，而新建一张表，入不敷出，
那么我们就需要一个变量，来实现自增功能。
同JAVA/Python等开发语言一样，Mysql也有变量，通常以@开头为用户自定义变量，以@@开头为系统变量。
那么我们怎么使用变量？很简单，通过SET创建并赋值变量值， 再通过SELECT查询结果，例如：
SET @ID = 0;
SELECT @ID;
有了变量，我们可以将变量作为新的自增ID，来代替创建一张新表的操作了，
通过变量自加操作，完成新的自增ID功能：
SET @ID = 0;
SELECT @ID:=@ID+1 AS ID,ResidentialAreaID,CaseFrom,Price FROM CaseRent WHERE ResidentialAreaID = 99 ORDER BY Price
注意几点:
1.在SELECT中，给临时变量赋值，使用 :=
2.每条语句，从底层讲，都是循环查询，因此在语句上直接自增，就可以实现逐条累加。
当然，上面的语句其实是2条语句，这样放到JAVA或者其他语言中执行，可能不方便，因此也可以修改成如下语句：
SELECT @ID:=@ID+1 AS ID,ResidentialAreaID,CaseFrom,Price FROM CaseRent,(SELECT @ID:=0) b
WHERE ResidentialAreaID = 99 ORDER BY Price
结果示例：
效果很好，接下来我们要做的，就是获取ID=总条数/2 的那条数据了。
思考一下，如何才能简单的得到结果？
SELECT * FROM (
SELECT @ID:=@ID+1 AS ID,ResidentialAreaID,CaseFrom,Price FROM CaseRent,(SELECT @ID:=0) b
WHERE ResidentialAreaID = 99 ORDER BY Price ) a WHERE ID = @ID/2
通过简单的中位数选取，深刻认知Mysql临时变量的用法。
接下来引入加深层次的中位数：
1.根据案例来源，分别统计不同来源，小区ID=99的中位数。
分析问题：比第一步多了一个条件，其结果也多了一条数据。
那么该怎么做呢？
我们知道，排序的时候，需要按照 案例来源、价格 2个条件进行排序了，如果直接自增ID， 会是什么样的呢？
SELECT @ID:=@ID+1 AS ID,ResidentialAreaID,CaseFrom,Price FROM CaseRent,(SELECT @ID:=0) b
WHERE ResidentialAreaID = 99 ORDER BY CaseFrom,Price
很明显，如果想要实现真确的自增ID， 到了链家在线这一步，ID需要重新从1开始计算。
那么难道我们分成2次统计？ 如果案例来源有N个，这个方式明显不行。
接下来引入Mysql函数 IF
IF ( 条件 , 真 , 假 )
为什么引入IF？ 我们需要判断排序后自增的时候，案例来源是否和上次的一样，如果不一样 说明切换到了新来源，这时候将@ID设置为从1开始，就可以实现2个来源不同的自增ID。
要判断来源是否一样，我们还得加个临时变量 @CaseFrom
复制代码
SET @ID:=0,@CaseFrom='';
SELECT IF(@CaseFrom!=CaseFrom,@ID:=1,@ID:=@ID+1) AS ID,ResidentialAreaID,CaseFrom,Price,
@CaseFrom:=CaseFrom wy
FROM CaseRent WHERE ResidentialAreaID = 99 ORDER BY CaseFrom,Price;
这里的wy字段，就纯粹是为了赋值CaseFrom。对其他操作无用。
结果如下：
但是问题来了。 @ID已经不能直接用来 判断Count(*)/2了 。 因为@ID 已经是链家在线的ID，而不是房天下的。
通过创建临时表：临时完美通俗的解决该问题：
临时表Temporary只在当前会话使用，其余会话创建相同名称临时表，不互相冲突，不直接生成实体表。
但临时表不能自我关联。
复制代码
SET @ID:=0,@CaseFrom='';
DROP TABLE IF EXISTS CS_1;
CREATE TEMPORARY TABLE CS_1
SELECT IF(@CaseFrom!=CaseFrom,@ID:=1,@ID:=@ID+1) AS ID,ResidentialAreaID,CaseFrom,Price,@CaseFrom:=CaseFrom wy
FROM CaseRent WHERE ResidentialAreaID = 99 ORDER BY CaseFrom,Price;
DROP TABLE IF EXISTS CS_2;
CREATE TEMPORARY TABLE CS_2
SELECT CaseFrom,FLOOR(Max(ID)/2) CenterID FROM CS_1 GROUP BY CaseFrom;
SELECT * FROM CS_1 a INNER JOIN CS_2 b ON a.ID = b.CenterID AND a.CaseFrom=b.CaseFrom;
这就显的拖沓了，写了这么多代码，创建了2张临时表，关联后获取结果。 不过只是相对而言， 对于一些临时性的操作，计算、导出的时候，就算是python编写个脚本，其代码量也远远大于这些。
上述方式，通过临时表 + IF 的方式，实现了多层次的中位数获取。但是我们知道，通过IF判断，意味着我如果添加新的层次，例如：
1.获取每一个小区、每一个来源的中位数。
这样我们就得增加一个小区ID的临时变量，不仅案例来源改变，需要重置ID为1， 小区ID改变时，也要重置为1， 这样的代码如下：
复制代码
SET @ID:=0,@CaseFrom='',@ResidentialAreaID=0;
DROP TABLE IF EXISTS CS_1;
CREATE TEMPORARY TABLE CS_1
SELECT IF(@CaseFrom!=CaseFrom,@ID:=1,@ID:=@ID+1) AS ID,
IF(@ResidentialAreaID!=ResidentialAreaID,@ID:=1,1) AS ID2,
ResidentialAreaID,CaseFrom,Price,@CaseFrom:=CaseFrom wy,@ResidentialAreaID:=ResidentialAreaID wy2
FROM CaseRent ORDER BY ResidentialAreaID,CaseFrom,Price;
DROP TABLE IF EXISTS CS_2;
CREATE TEMPORARY TABLE CS_2
SELECT ResidentialAreaID,CaseFrom,FLOOR(Max(ID)/2) CenterID FROM CS_1 GROUP BY ResidentialAreaID,CaseFrom;
SELECT * FROM CS_1 a INNER JOIN CS_2 b ON a.ID = b.CenterID AND a.CaseFrom=b.CaseFrom
AND a.ResidentialAreaID=b.ResidentialAreaID;
多了一个IF判断，多了一个临时变量，多关联了一个字段。
这对熟悉并了解该逻辑的人来说并没有增加多少代码量，但其多了一层逻辑，需要了解，这就可能照成混淆。
看上去很多，其实相较于其他方式，已经很精简了，不过还没完，我们还有很多方法可以尝试！
例如编写Mysql 自定义函数、存储过程来实现，不过这就有点偏离了。
接下来换一种方式实现。
通过 GROUP_CONCAT 和 SUBSTRING_INDEX实现中位数算法
Group_concat 一般不会太陌生，一般伴随着Group By 使用，当然也可以不实用Group by
通过Group_concat 可以将结果字段 默认通过 逗号 分割，组成一个新的字符串。
例如：
SELECT GROUP_CONCAT(Price) FROM CaseRent WHERE ResidentialAreaID = 99;
其结果如下：
而GROUP_CONCAT中，还可以写一些SQL代码。例如
GROUP_CONCAT( Price ORDER BY Price )
或者：
GROUP_CONCAT( DISTINCT Price )
是不是很方便，可以自行排序、剔除重复等操作，组成一个新的字符串。
再介绍另一个函数：SUBSTRING_INDEX
先看一下结果：
SELECT SUBSTRING_INDEX('一批,数,据',',',1)
= 一批
SELECT SUBSTRING_INDEX('一批,数,据',',',2)
= 一批,数
SELECT SUBSTRING_INDEX('一批,数,据',',',3)
= 一批,数,据
很明确了， 第一个参数放字符串，第二个为分割字符，第三个为取到第几个字符。
那就再说一个 -1 ， -1 很常见，Redis、python 中 分割、查找字符经常使用，意为反向取值， 例如：
SELECT SUBSTRING_INDEX('一批,数,据',',',-1)
= 据
结合这两种函数的特性，就能完成中位数获取了。
我们来看一下：
SELECT SUBSTRING_INDEX(SUBSTRING_INDEX(GROUP_CONCAT(Price ORDER BY Price),',',Count(1)/2),',',-1) zws
FROM CaseRent WHERE ResidentialAreaID = 99;
以上涉及了2个函数， SUBSTRING_INDEX 以及 GROUP_CONCAT，
通过GROUP_CONCAT将结果排序后组成逗号分割的新字符串， 并通过SUBSTRING_INDEX, 获取到总量/2的结果，再通过SUBSTIRNG_INDEX -1的获取倒数第一个值，即为中位数结果。
那么如果加上案例来源获取中位数，这代码会变成什么样？
SELECT CaseFrom,SUBSTRING_INDEX(SUBSTRING_INDEX(GROUP_CONCAT(Price ORDER BY Price),',',Count(1)/2),',',-1) zws
FROM CaseRent WHERE ResidentialAreaID = 99 Group By CaseFrom;
再加上区分小区呢？：
SELECT ResidentialAreaID,CaseFrom,
SUBSTRING_INDEX(SUBSTRING_INDEX(GROUP_CONCAT(Price ORDER BY Price),',',Count(1)/2),',',-1) zws
FROM CaseRent Group By ResidentialAreaID,CaseFrom;
似乎很简单，但是GROUP_CONCAT有个默认承载长度 1024
如果不修改参数的情况下，做大量数据的中位数统计，会超出GROUP_CONCAT的承载长度，导致计算错误。
而一般情况下，我们无法修改服务器的Mysql配参，可以通过：
show variables like 'group_concat_max_len'
来参考当前参数。
以及：
-- 以当前会话，临时修改GROUP_CONCAT支撑长度。
SET @@GROUP_CONCAT_MAX_LEN = 1024000;
当然，如果有必要，可以直接通知运维修改一下参数长度，如果不常用，可以自行使用这种方式修改后临时使用；因此数据量大的情况下，正确的写法如下：
复制代码
SET @@GROUP_CONCAT_MAX_LEN = 1024000;
SELECT ResidentialAreaID,CaseFrom,
SUBSTRING_INDEX(SUBSTRING_INDEX(GROUP_CONCAT(Price ORDER BY Price),',',Count(1)/2),',',-1) zws
FROM CaseRent Group By ResidentialAreaID,CaseFrom;
到此，中位数算法结束。
主要知识点：
临时变量
临时表
系统变量
IF
GROUP_CONCAT
SUBSTRING_INDEX