欧美bbbwbbbw肥妇,免费乱码人妻系列日韩,一级黄片

PostgreSQL?16?新特性之正態(tài)分布隨機數(shù)函數(shù)的示例

 更新時間:2023年01月31日 09:43:16   作者:不剪發(fā)的Tony老師  
這篇文章主要介紹了PostgreSQL?16?新特性之正態(tài)分布隨機數(shù)函數(shù),PostgreSQL 16 新增了一個內(nèi)置的 random_normal() 函數(shù),用于生成這種隨機數(shù),通過示例代碼給大家介紹的非常詳細,需要的朋友可以參考下

random() 函數(shù)可以用于生成一個大于等于 0 小于等于 1 的隨機數(shù),生成的數(shù)據(jù)遵循平均分布。不過在實際環(huán)境中,更多的數(shù)據(jù)則是遵循正態(tài)分布。PostgreSQL 提供了一個擴展模塊 tablefunc,可以用于生成遵循正態(tài)分布的隨機數(shù);或者我們也可以創(chuàng)建存儲函數(shù)來模擬正態(tài)分布的隨機數(shù)。

考慮到它的實用性,PostgreSQL 16 新增了一個內(nèi)置的 random_normal() 函數(shù),用于生成這種隨機數(shù)。我們使用該函數(shù)生成 10 個隨機數(shù):

select random_normal() as v from generate_series(1, 10);
v                  |
-------------------+
 1.9147182783615317|
-1.7265731892046994|
-0.9601043210986459|
 -1.481551351102244|
-1.3763031483133177|
0.11872324455736474|
 0.9016843380853512|
 0.1288806844184827|
-1.6392171916791691|
0.33770959079074697|

默認參數(shù)調用時,random_normal() 函數(shù)生成的隨機數(shù)遵循標準正態(tài)分布(均值為 0,標準差為 1)。

以下示例生成的隨機數(shù)遵循均值為 1、標準差為 5 的正態(tài)分布:

select random_normal(1, 5) as v from generate_series(1, 10);
v                  |
-------------------+
-0.4529440542028027|
  5.442251124798599|
  6.307851828542196|
  4.122825670258253|
 -2.186242122101672|
  4.767936509571358|
  5.172144288566877|
 -3.761475521327373|
-2.6431751259304193|
0.19249449162595722|

接下來我們驗證一下該函數(shù)生成的數(shù)據(jù)是否遵循正態(tài)分布。

SELECT round(random_normal(1, 0.5)::numeric, 1) AS v,
       count(*),
       repeat('#', (count(*) / 100)::integer)
FROM generate_series(1, 100000)
GROUP BY v
ORDER BY v;

v   |count|repeat                                                                         |
----+-----+-------------------------------------------------------------------------------+
-1.2|    1|                                                                               |
-1.1|    1|                                                                               |
-1.0|    3|                                                                               |
-0.9|    9|                                                                               |
-0.8|   17|                                                                               |
-0.7|   21|                                                                               |
-0.6|   55|                                                                               |
-0.5|   98|                                                                               |
-0.4|  132|#                                                                              |
-0.3|  248|##                                                                             |
-0.2|  521|#####                                                                          |
-0.1|  728|#######                                                                        |
 0.0| 1090|##########                                                                     |
 0.1| 1586|###############                                                                |
 0.2| 2203|######################                                                         |
 0.3| 2975|#############################                                                  |
 0.4| 3878|######################################                                         |
 0.5| 4840|################################################                               |
 0.6| 5778|#########################################################                      |
 0.7| 6670|##################################################################             |
 0.8| 7299|########################################################################       |
 0.9| 7720|#############################################################################  |
 1.0| 7960|###############################################################################|
 1.1| 7794|#############################################################################  |
 1.2| 7271|########################################################################       |
 1.3| 6745|###################################################################            |
 1.4| 5796|#########################################################                      |
 1.5| 4796|###############################################                                |
 1.6| 3904|#######################################                                        |
 1.7| 3034|##############################                                                 |
 1.8| 2300|#######################                                                        |
 1.9| 1567|###############                                                                |
 2.0| 1175|###########                                                                    |
 2.1|  710|#######                                                                        |
 2.2|  454|####                                                                           |
 2.3|  267|##                                                                             |
 2.4|  164|#                                                                              |
 2.5|   94|                                                                               |
 2.6|   56|                                                                               |
 2.7|   23|                                                                               |
 2.8|    7|                                                                               |
 2.9|    8|                                                                               |
 3.0|    2|                                                                               |

從上面的圖形可以看出,函數(shù)返回的結果是一個正態(tài)分布。我們還可以進一步通過均值和標準差進行驗證:

WITH RECURSIVE d(n, v) AS (
  SELECT 1 AS n, random_normal(1, 0.5) AS v
  UNION ALL
  SELECT n+1, random_normal(1, 0.5) FROM d WHERE n<100000
)
SELECT count(*), avg(v), stddev(v)
FROM d;

count |avg               |stddev             |
------+------------------+-------------------+
100000|1.0009116232651825|0.49890904328727353|

到此這篇關于PostgreSQL 16 新特性之正態(tài)分布隨機數(shù)函數(shù)的文章就介紹到這了,更多相關PostgreSQL隨機數(shù)函數(shù)內(nèi)容請搜索腳本之家以前的文章或繼續(xù)瀏覽下面的相關文章希望大家以后多多支持腳本之家!

相關文章

  • PostgreSQL拼接字符串的幾種方法簡單示例

    PostgreSQL拼接字符串的幾種方法簡單示例

    在PostgreSQL中有多種方式可以拼接字符串,這篇文章主要給大家介紹了關于PostgreSQL拼接字符串的幾種方法,文中通過代碼示例介紹的非常詳細,需要的朋友可以參考下
    2024-01-01
  • postgresql 如何查看pg_wal目錄下xlog文件總大小

    postgresql 如何查看pg_wal目錄下xlog文件總大小

    這篇文章主要介紹了postgresql 如何查看pg_wal目錄下xlog文件總大小的操作,具有很好的參考價值,希望對大家有所幫助。一起跟隨小編過來看看吧
    2021-01-01
  • postgresql 導入數(shù)據(jù)庫表并重設自增屬性的操作

    postgresql 導入數(shù)據(jù)庫表并重設自增屬性的操作

    這篇文章主要介紹了postgresql 導入數(shù)據(jù)庫表并重設自增屬性的操作,具有很好的參考價值,希望對大家有所幫助。一起跟隨小編過來看看吧
    2021-01-01
  • 關于postgresql?timestamp時間戳問題

    關于postgresql?timestamp時間戳問題

    這篇文章主要介紹了關于postgresql?timestamp時間戳問題,具有很好的參考價值,希望對大家有所幫助。如有錯誤或未考慮完全的地方,望不吝賜教
    2023-03-03
  • postgresql 實現(xiàn)字符串分割字段轉列表查詢

    postgresql 實現(xiàn)字符串分割字段轉列表查詢

    這篇文章主要介紹了postgresql 實現(xiàn)字符串分割字段轉列表查詢,具有很好的參考價值,希望對大家有所幫助。一起跟隨小編過來看看吧
    2021-02-02
  • PostgreSQL生成列實現(xiàn)過程介紹

    PostgreSQL生成列實現(xiàn)過程介紹

    PostgreSQL 12 增加新的特性——生成列(Generated Columns),也就是計算列。在之前版本也可以實現(xiàn),但需要定義函數(shù)和觸發(fā)器,利用該功能可以更容易使用并可以提升性能。生成列是給表指定計算列,其數(shù)據(jù)可以根據(jù)其他列數(shù)據(jù)自動生成,當原數(shù)據(jù)更新時其自動更新
    2023-01-01
  • pgsql的UUID生成函數(shù)實例

    pgsql的UUID生成函數(shù)實例

    這篇文章主要介紹了pgsql的UUID生成函數(shù)實例,具有很好的參考價值,希望對大家有所幫助。一起跟隨小編過來看看吧
    2021-01-01
  • 如何獲取PostgreSQL數(shù)據(jù)庫中的JSON值

    如何獲取PostgreSQL數(shù)據(jù)庫中的JSON值

    這篇文章主要介紹了如何獲取PostgreSQL數(shù)據(jù)庫中的JSON值操作,具有很好的參考價值,希望對大家有所幫助。一起跟隨小編過來看看吧
    2021-01-01
  • PostgreSQL之INDEX 索引詳解

    PostgreSQL之INDEX 索引詳解

    這篇文章主要介紹了PostgreSQL之INDEX 索引詳解,具有很好的參考價值,希望對大家有所幫助。一起跟隨小編過來看看吧
    2021-02-02
  • 基于postgresql數(shù)據(jù)庫鎖表問題的解決

    基于postgresql數(shù)據(jù)庫鎖表問題的解決

    這篇文章主要介紹了基于postgresql數(shù)據(jù)庫鎖表問題的解決,具有很好的參考價值,希望對大家有所幫助。一起跟隨小編過來看看吧
    2020-12-12

最新評論