中位数不是聚合函数，SQL标准不支持MEDIAN()用于WHERE或HAVING；需先用ROW_NUMBER()和COUNT()计算每组中位数值，再通过子查询或JOIN过滤大于该值的记录。
中位数不是聚合函数，不能直接用 MEDIAN() 过滤
SQL 标准里没有 MEDIAN() 聚合函数（Oracle 有但不可用于 HAVING 或窗口过滤），所以“找出每个分组中中位数以上的记录”本质是：先算出每组的中位数，再把原表和它关联/比较。直接写 WHERE value > MEDIAN(value) OVER (PARTITION BY group_id) 会报错——窗口函数不能出现在 WHERE，且多数数据库不支持该语法。
用窗口函数 + 行号模拟中位数位置更可靠
核心思路是：对每组按值排序，取中间位置的行（或中间两行的平均值），但“中位数以上”只需判断当前行是否严格大于该组中位数。推荐用 ROW_NUMBER() 和 COUNT() OVER 算出中位数索引位置，再比大小：
SELECT group_id, value
FROM (
SELECT group_id, value,
COUNT(*) OVER (PARTITION BY group_id) AS cnt,
ROW_NUMBER() OVER (PARTITION BY group_id ORDER BY value) AS rn
FROM t
) t2
WHERE value > (
SELECT AVG(value)
FROM (
SELECT value,
ROW_NUMBER() OVER (ORDER BY value) AS rn,
COUNT(*) OVER () AS cnt
FROM t t3
WHERE t3.group_id = t2.group_id
) mid
WHERE rn IN (FLOOR((cnt + 1) / 2.0), CEIL((cnt + 1) / 2.0))
);
- 子查询里用
FLOOR((cnt + 1) / 2.0)和CEIL(...)覆盖奇偶两种情况（如 cnt=5 → rn=3；cnt=4 → rn=2,3） - 外层
value > (SELECT AVG(...))是关键：先算出中位数，再过滤，避免用排名近似替代真实值 - 注意：若存在重复值，
ROW_NUMBER()会强制排序去重，但中位数定义基于值本身，不是位置——所以必须用值计算，不能只靠rn > cnt/2
PostgreSQL 可用 PERCENTILE_CONT(0.5) 简化
PostgreSQL 支持连续百分位函数，能直接返回中位数值，配合 LATERAL 或 CTE 更清晰：
SELECT t.group_id, t.value FROM t JOIN LATERAL ( SELECT PERCENTILE_CONT(0.5) WITHIN GROUP (ORDER BY value) AS med FROM t t2 WHERE t2.group_id = t.group_id ) m ON t.value > m.med;
-
PERCENTILE_CONT(0.5)返回的是插值中位数（如 [1,2,3,4] → 2.5），符合数学定义 - MySQL 8.0+ 没有等价函数，需用
ROW_NUMBER()+COUNT()手动实现 - SQL Server 用
PERCENTILE_CONT(0.5) OVER (PARTITION BY group_id ORDER BY value)但只能用于 SELECT 列，不能直接在 WHERE 用，仍需 CTE 包裹
性能和空值要提前处理
中位数对 NULL 敏感：默认排序时 NULL 可能排最前或最后，导致计数和排名错位。
- 务必在排序字段加
WHERE value IS NOT NULL，或用ORDER BY value NULLS LAST（PostgreSQL/Oracle）显式控制 - 大表慎用多次子查询嵌套，可先用 CTE 预算每组中位数：
WITH medians AS (SELECT group_id, PERCENTILE_CONT(0.5) ...) - 如果只要“上半部分记录”（不严格要求 > 中位数），用
rn > cnt / 2会快很多，但注意这是按行数切分，不是按值——当分布偏斜时结果可能明显偏离预期
真正卡住的往往不是怎么写，而是没意识到：中位数是标量值，不是排名位置；而 SQL 的 WHERE 无法直接消费窗口计算出的标量，必须把它落地成 JOIN 条件或子查询结果。
