Y’s Blog

2012,11,06, Tuesday PL/pgSQL で、第ｘＮ分位数を得る集約関数を定義する（その３） author : 脇田 洋志 　前の記事で、レコード毎に投入されるフィールドデータをソートし、配列にエレメントとして格納して保持する集約関数 arraySorted() を定義しました。 　今度は、それを使って第ｘＮ分位数を求める関数と、ジニ係数を求める関数を、定義します。 　 　まず、第ｘＮ分位数を求める関数から。　与える引数は、ソート済配列とそこから取り出すデータ位置の２つです。　「その１」でも書いたとおり、取り出す位置については０～１の実数で与えることとし、配列中のどの位置の値でも取り出すことができるような仕様としています。 　なお、関数名 percentile は「百分位数」という意味の英語です。　第ｘ四分位であろうが第ｘ十分位であろうが、何でも取り出せる、という意味あいです。 -- percentile() : 昇順にソートされた配列から、百分位数を求める CREATE FUNCTION percentile(float8[], float8) RETURNS float8 AS $BODY$ DECLARE 　　arrySrtd　　alias for $1;　　-- 昇順ソート配列 　　index　　alias for $2;　　-- 求める第ｎ百分位（０～１の実数） 　　head　　integer; 　　tail　　integer; 　　size　　integer; 　　nPos　　integer; 　　fPos　　float8; BEGIN 　　head :=coalesce(array_lower(arrySrtd, 1), 0); 　　tail :=coalesce(array_upper(arrySrtd, 1), -1); 　　size :=tail - head +1; 　　if size < 1 then 　　　　/* ソート配列が空なら NULL を返す */ 　　　　return NULL; 　　elsif size = 1 then 　　　　/* 配列構成要素が１なら、それを返す */ 　　　　return arrySrtd[head]; 　　else /* 上記のいずれでもない場合 */ 　　　　/* 第２引数（取り出す位置）のチェック */ 　　　　if (index < 0.0) or (1.0 < index) then 　　　　　　return NULL; 　　　　end if; 　　　　/* 指定位置の値を取り出す */ 　　　　fPos :=head + (tail - head) * index; 　　　　if index < 1.0 then 　　　　　　nPos :=trunc(fPos); 　　　　　　fPos :=fPos -nPos; 　　　　else 　　　　　　nPos :=trunc(fPos) -1; 　　　　　　fPos :=1.0; 　　　　end if; 　　　　/* 指定された位置が連続する２つの要素の間を示す場合、両者を直線補間して指定位置の値を求める */ 　　　　return arrySrtd[nPos] + (arrySrtd[nPos +1] - arrySrtd[nPos]) * fPos; 　　end if; END; $BODY$ LANGUAGE plpgsql; 　引数を前段チェックしたのち、ソート配列中の、実数で与えられた取り出し位置の値を求めます。 　多くの場合、指定された位置にちょうど配列要素が存在することはなく、配列の要素と要素の間が、位置として指定されていることでしょう。　この場合には、指定された位置を挟む２要素を直線補間して、指定位置の値を求めます。 　次に、ジニ係数を求める関数です。 　ジニ係数は、ある集団内における格差の大きさを表す数値です。　集団の個々の値について昇順に並べて、横軸に要素ならび、縦軸にその要素までの値の累計値を取った線グラフを思い浮かべて下さい。 　集団内の要素が完全に平等だった場合、すなわち全要素の値が同値であった場合には、グラフは右上がりの直線になります。　集団内に僅かでも格差がある場合には、右上がりの凹型曲線となり、この最も極端な場合は、１要素を除くその他の全要素の値がゼロだった場合で、このときのグラフは右端までゼロで平坦、最右端の要素に達して初めて累計値が０より大きくなりますから、形としては「逆Ｌ字型」になります。 　完全に平等だった場合のグラフの面積から被験集団のグラフの面積を減じ、それを完全に平等だった場合のグラフの面積で除したものが、ジニ係数です。 　完全に平等な状態ではゼロになり、格差が大きいほど１に近づきます。 -- gini() : 昇順にソートされた配列から、ジニ係数を求める CREATE FUNCTION gini(float8[]) RETURNS float8 AS $BODY$ DECLARE 　　arrySrtd　　alias for $1;　　-- 昇順ソート配列 　　head　　integer; 　　tail　　integer; 　　size　　integer; 　　arryAccm　　float8[]; 　　accmPrev　　float8; 　　sumArry　　 float8; BEGIN 　　head :=coalesce(array_lower(arrySrtd, 1), 0); 　　tail :=coalesce(array_upper(arrySrtd, 1), -1); 　　size :=tail - head +1; 　　if size < 1 then 　　　　return NULL; 　　elsif size = 1 then 　　　　return 0.0; 　　else 　　　　-- 累積値配列の生成 　　　　arryAccm :=array[0.0]; 　　　　accmPrev :=arryAccm[1]; 　　　　for i in head..tail loop 　　　　　　accmPrev :=accmPrev + arrySrtd[i]; 　　　　　　arryAccm :=arryAccm || accmPrev; 　　　　end loop; 　　　　-- ジニ係数の算出 　　　　head :=array_lower(arryAccm, 1); 　　　　tail :=array_upper(arryAccm, 1); 　　　　size :=tail - head +1; 　　　　sumArry :=0; 　　　　for i in head..tail loop 　　　　　　sumArry :=sumArry + arryAccm[i]; 　　　　end loop; 　　　　return 1.0 - (sumArry / (arryAccm[tail] * size / 2.0)); 　　end if; END; $BODY$ LANGUAGE plpgsql; 　前述した定義どおりに算出しています。 　完全に平等だった場合のグラフ面積は、要素数（底辺）×全要素累積値（高さ）÷２。 　被験集団のグラフ面積は、要素値を昇順に並べて、要素毎にその要素までの累積値を算出したとき、その「各要素までの累計値」の総和（離散積分値）。 　この２つから、ジニ係数が求められます。 　第ｘＮ分位数とジニ係数を集約関数で算出する全ソースリスト、掲載完了です。 　次の記事に、上記両関数の使用例と、最適化に関する若干の実験結果を載せる予定です。載せました。 | http://blog.wakita.cc/index.php?e=88 | | サーバ・Linux::PostgreSQL | 02:53 PM | comments (0) | trackback (0) |

コメント コメントする name: email: URL: comments: Cookieに登録

この記事のトラックバックURL http://blog.wakita.cc/tb.php/88 トラックバック

PAGE TOP ↑