percentile_cont(0.5)是标准sql中计算中位数最直接可靠的方式，基于线性插值：偶数行取中间两值平均，奇数行取正中原始值；必须配合over(partition by ... order by ...)或within group(order by ...)使用，不支持mysql/sqlite。
PERCENTILE_CONT(0.5) 是计算中位数最直接的方式
在支持窗口函数的数据库（如 PostgreSQL、Oracle、SQL Server 2012+、Snowflake、BigQuery）中，PERCENTILE_CONT(0.5) 是标准且可靠的中位数计算方法。它基于线性插值，在偶数个值时自动取中间两数的平均值，行为符合统计学定义。
关键点：必须配合 OVER() 窗口子句使用，且 ORDER BY 不可省略——否则结果未定义，多数引擎会报错或返回任意值。
常见错误现象：PERCENTILE_CONT(0.5) OVER ()（缺 ORDER BY）在 PostgreSQL 报错 ERROR: PERCENTILE_CONT requires an ORDER BY clause；在 SQL Server 可能静默返回错误结果。
-
PERCENTILE_CONT是连续分布函数，适用于数值型列；传入字符串或日期会类型不匹配 - 若需按组计算中位数，把分组字段加进
PARTITION BY，例如：PERCENTILE_CONT(0.5) OVER (PARTITION BY category ORDER BY amount) - 该函数返回
DOUBLE PRECISION或等效浮点类型，整数列结果可能带小数（如中位数是 5，返回 5.0），必要时用ROUND(..., 0)或显式::INTEGER转换
MySQL 和 SQLite 用户别硬套 PERCENTILE_CONT
MySQL 8.0.13+ 才支持 PERCENTILE_CONT，且仅限窗口函数形式（不能用于聚合上下文）；SQLite 完全不支持。强行写会报错 FUNCTION xxx.PERCENTILE_CONT does not exist 或语法错误。
替代方案不是“改写函数”，而是换思路：
- MySQL 8.0+：可用
ROW_NUMBER()+ 分组计数，定位中间行索引，再用条件聚合取值（需两层子查询） - SQLite：依赖
(SELECT COUNT(*) FROM t) / 2和LIMIT 1 OFFSET ...拼接，但无法在单条语句中完成分组中位数，通常要借助 CTE 或应用层处理 - 如果只是临时查一组数据的中位数（非分组），PostgreSQL/BigQuery 可用
PERCENTILE_CONT(0.5) WITHIN GROUP (ORDER BY x)—— 这是聚合形式，和窗口形式语法不同，别混用
GROUP BY + PERCENTILE_CONT 的典型写法和陷阱
想按 department 查每个部门薪资中位数？不能直接 GROUP BY department 后跟 PERCENTILE_CONT —— 因为它是窗口函数，不是聚合函数，和 GROUP BY 冲突。正确做法是用窗口函数算出每行对应的组中位数，再去重或聚合。
推荐写法（以 PostgreSQL 为例）：
SELECT DISTINCT
department,
PERCENTILE_CONT(0.5) WITHIN GROUP (ORDER BY salary)
OVER (PARTITION BY department) AS median_salary
FROM employees;
注意：WITHIN GROUP 形式是聚合函数，可与 GROUP BY 共存；而 OVER (PARTITION BY ...) 是窗口函数，不能出现在 SELECT 中同时有普通聚合（如 COUNT(*)）除非全部用窗口或全部用聚合。
- 误写成
SELECT department, PERCENTILE_CONT(0.5) OVER (PARTITION BY department ORDER BY salary) FROM employees GROUP BY department→ 报错：窗口函数不能与 GROUP BY 混合使用 -
PERCENTILE_CONT对 NULL 值默认忽略，但如果ORDER BY列含大量 NULL，排序行为依赖数据库的 NULLS FIRST/LAST 默认策略（PostgreSQL 默认 NULLS LAST），可能影响中位数位置 - 大数据量下，
PERCENTILE_CONT性能取决于排序效率，确保ORDER BY字段上有索引（尤其是分组+排序复合场景）
为什么不用 PERCENTILE_DISC？它和中位数不是一回事
PERCENTILE_DISC(0.5) 返回的是“排序后位置最接近 50% 的实际存在的值”，不插值。当行数为偶数时，它只返回下中位数（即第 n/2 行），而非上下中位数平均值。
举例：序列 [1,2,3,4]，PERCENTILE_CONT(0.5) 返回 2.5，PERCENTILE_DISC(0.5) 返回 2。后者不符合常规中位数定义，仅适合明确要求返回样本中真实值的场景（如排行榜名次）。
- 别因为名字里有 “PERCENTILE” 就默认它等于中位数——必须看后缀是
CONT还是DISC - 某些 BI 工具（如 Tableau）底层生成 SQL 时可能误用
DISC，导出数据对不上 Excel 的 MEDIAN() 函数结果，这时要检查生成的 SQL - 如果业务方坚持“中位数必须是原始数据中的一个”，才考虑
PERCENTILE_DISC，并书面确认该定义
PERCENTILE_CONT 的 SQL 换个库就可能结果偏移或报错。上线前务必在目标环境实测最小数据集。
