百度360必应搜狗淘宝本站头条
当前位置:网站首页 > 技术分类 > 正文

如何计算100万个数据的平均值?MySQL的AVG函数了解下

ztj100 2025-05-27 19:15 17 浏览 0 评论


计算十几个数字的平均数,我们可以用算数公式求出结果;

计算成百上千个数字的平均数,我们还可以利用Excel函数公式得出结果。

但是,现在已经是大数据时代,数据量动不动就上百万、千万。而Excel行列数有限制,例如2010版Excel最多只有1048576行、16384列,无法满足大量数据处理和分析的需求。

假设,现在有100万个毫无规律可言的数字,怎么求出它们的平均数?

这就需要借助数据库来实现数据的高效存储、处理、分析。常见的数据库有Oracle、Microsoft SQL Server、MySQL、Microsoft Access等。

MySQL是目前世界范围内使用得非常广泛得一种数据库软件,用MySQL的AVG函数就可以实现计算100万个数据平均值的任务。

AVG()函数语法:

AVG(DISTINCT expression)

AVG()函数句型:

SELECT AVG(column_name) FROM table_name

AVG()函数例句:

从EMPLOYEE_TBL表中获取dialy_typing_pages的平均值

SELECT AVG(daily_typing_pages)FROM employee_tbl

EMPLOYEE_TBL表记录:

mysql> SELECT * FROM employee_tbl;

+------+------+------------+--------------------+

| id | name | work_date | daily_typing_pages |

+------+------+------------+--------------------+

| 1 | John | 2007-01-24 | 250 |

| 2 | Ram | 2007-05-27 | 220 |

| 3 | Jack | 2007-05-06 | 170 |

| 3 | Jack | 2007-04-06 | 100 |

| 4 | Jill | 2007-04-06 | 220 |

| 5 | Zara | 2007-06-06 | 300 |

| 5 | Zara | 2007-02-06 | 350 |

+------+------+------------+--------------------+

7 rows in set (0.00 sec)

计算所有的dialy_typing_pages的平均值:

mysql> SELECT AVG(daily_typing_pages)

-> FROM employee_tbl;

+-------------------------+

| AVG(daily_typing_pages) |

+-------------------------+

| 230.0000 |

+-------------------------+

1 row in set (0.03 sec)

怎么样,是不是很简单?MySQL除了计算平均数,还有很多其它函数,非常实用。而且,你不需要具备编程基础,只要会这个函数句型就行了。下次吊车尾学院教大家如何安装、下载MySQL,想学的同学举爪!

不过,用MySQL计算这么大的数据量,速度会有点慢。如果你计划认真学习数据分析,就不得不学Python,它入门门槛比SQL高,但一旦学会,处理数据的效率会大大提升。

相关推荐

其实TensorFlow真的很水无非就这30篇熬夜练

好的!以下是TensorFlow需要掌握的核心内容,用列表形式呈现,简洁清晰(含表情符号,<300字):1.基础概念与环境TensorFlow架构(计算图、会话->EagerE...

交叉验证和超参数调整:如何优化你的机器学习模型

准确预测Fitbit的睡眠得分在本文的前两部分中,我获取了Fitbit的睡眠数据并对其进行预处理,将这些数据分为训练集、验证集和测试集,除此之外,我还训练了三种不同的机器学习模型并比较了它们的性能。在...

机器学习交叉验证全指南:原理、类型与实战技巧

机器学习模型常常需要大量数据,但它们如何与实时新数据协同工作也同样关键。交叉验证是一种通过将数据集分成若干部分、在部分数据上训练模型、在其余数据上测试模型的方法,用来检验模型的表现。这有助于发现过拟合...

深度学习中的类别激活热图可视化

作者:ValentinaAlto编译:ronghuaiyang导读使用Keras实现图像分类中的激活热图的可视化,帮助更有针对性...

超强,必会的机器学习评估指标

大侠幸会,在下全网同名[算法金]0基础转AI上岸,多个算法赛Top[日更万日,让更多人享受智能乐趣]构建机器学习模型的关键步骤是检查其性能,这是通过使用验证指标来完成的。选择正确的验证指...

机器学习入门教程-第六课:监督学习与非监督学习

1.回顾与引入上节课我们谈到了机器学习的一些实战技巧,比如如何处理数据、选择模型以及调整参数。今天,我们将更深入地探讨机器学习的两大类:监督学习和非监督学习。2.监督学习监督学习就像是有老师的教学...

Python教程(三十八):机器学习基础

...

Python 模型部署不用愁!容器化实战,5 分钟搞定环境配置

你是不是也遇到过这种糟心事:花了好几天训练出的Python模型,在自己电脑上跑得顺顺当当,一放到服务器就各种报错。要么是Python版本不对,要么是依赖库冲突,折腾半天还是用不了。别再喊“我...

超全面讲透一个算法模型,高斯核!!

...

神经网络与传统统计方法的简单对比

传统的统计方法如...

AI 基础知识从0.1到0.2——用“房价预测”入门机器学习全流程

...

自回归滞后模型进行多变量时间序列预测

下图显示了关于不同类型葡萄酒销量的月度多元时间序列。每种葡萄酒类型都是时间序列中的一个变量。假设要预测其中一个变量。比如,sparklingwine。如何建立一个模型来进行预测呢?一种常见的方...

苹果AI策略:慢哲学——科技行业的“长期主义”试金石

苹果AI策略的深度原创分析,结合技术伦理、商业逻辑与行业博弈,揭示其“慢哲学”背后的战略智慧:一、反常之举:AI狂潮中的“逆行者”当科技巨头深陷AI军备竞赛,苹果的克制显得格格不入:功能延期:App...

时间序列预测全攻略,6大模型代码实操

如果你对数据分析感兴趣,希望学习更多的方法论,希望听听经验分享,欢迎移步宝藏公众号...

AI 基础知识从 0.4 到 0.5—— 计算机视觉之光 CNN

...

取消回复欢迎 发表评论: