PERCENTILE_CONT返回NULL主因是未写OVER子句或缺失WITHIN GROUP(ORDER BY)，因其为窗口函数需显式指定窗口范围或聚合排序；不写则报错或静默返回NULL。
PERCENTILE_CONT 为什么返回 NULL？
当 PERCENTILE_CONT 返回 NULL，大概率不是数据问题，而是你没加 OVER() 子句。这个函数是窗口函数，不写 OVER 就会报错或静默返回 NULL（取决于 PostgreSQL 版本和上下文）。它不能像普通聚合函数那样直接写 SELECT PERCENTILE_CONT(0.5) FROM table —— 必须指定窗口范围。
- 正确写法必须包含
OVER (ORDER BY column_name)，例如：PERCENTILE_CONT(0.5) WITHIN GROUP (ORDER BY score)（注意：这是聚合用法，非窗口）—— 等一下，这里要分清两种语法！ -
PERCENTILE_CONT实际支持两种调用形式：聚合形式（用WITHIN GROUP）和窗口形式（用OVER），二者语法、语义、结果完全不同 - 聚合形式不写
GROUP BY时默认全表为一组；窗口形式必须写OVER，否则语法错误
聚合 vs 窗口：两种 PERCENTILE_CONT 写法的区别
很多人混淆这两者，导致结果出人意料。关键看你要的是“每个组一个分位数值”，还是“每行一个基于当前窗口的分位参考值”。
PostgreSQL 18.4 ubuntu
下载
PostgreSQL 18.4 官方 Ubuntu 安装包现已发布，这是目前最新的稳定版本。推荐通过官方 APT 仓库安装：先执行 sudo apt update 更新索引，再运行 sudo apt install postgresql-18 即可完成部署。新版本引入了异步 I/O 子系统，在顺序扫描与 VACUUM 场景下性能提升显著，同时支持 UUID v7 原生生成函数与虚拟生成列。
-
聚合形式（推荐用于常规分位统计）：
PERCENTILE_CONT(0.9) WITHIN GROUP (ORDER BY amount)—— 返回单个标量值，比如全表第 90 百分位销售额 -
窗口形式：
PERCENTILE_CONT(0.9) OVER (ORDER BY sale_date ROWS BETWEEN UNBOUNDED PRECEDING AND CURRENT ROW)—— 每行返回截至当前行的滚动 90 分位数，常用于趋势分析 - 聚合形式不支持
PARTITION BY，但可通过GROUP BY实现分组；窗口形式天然支持PARTITION BY region，适合按地区分别算中位数 - 聚合形式对
NULL值自动过滤；窗口形式默认也跳过NULL，但若ORDER BY列含NULL，排序行为依赖NULLS FIRST/LAST设置
计算中位数时，PERCENTILE_CONT(0.5) 和 MEDIAN 有啥区别？
PostgreSQL 没有内置 MEDIAN() 聚合函数（直到 15 才实验性加入 percentile_disc/cont 的别名支持），所以大家习惯用 PERCENTILE_CONT(0.5)。但它和传统中位数定义存在细微差异：
-
PERCENTILE_CONT(0.5)总是做线性插值：当行数为偶数（如 4 行），它会在第 2 和第 3 行对应值之间插值，结果可能是小数；而手算中位数有时取平均，有时取下中位数，取决于约定 - 如果想严格取“两个中间值的平均”，
PERCENTILE_CONT(0.5)正好满足；如果想要“离散型中位数”（即实际存在的某个观测值），该用PERCENTILE_DISC(0.5) - 性能上，两者都需排序，但
PERCENTILE_DISC在找到两个候选后就停，PERCENTILE_CONT需额外插值计算，差异微乎其微 - 示例：数据
[1, 2, 4, 5]→PERCENTILE_CONT(0.5)=3.0，PERCENTILE_DISC(0.5)=2（取较低那个）
ORDER BY 列含重复值时，PERCENTILE_CONT 结果还可靠吗？
可靠，但得理解它怎么处理。分位数计算本质依赖排序位置，而非唯一键。当 ORDER BY 列存在重复值（比如多个用户得分都是 85），PostgreSQL 仍会按物理顺序“稳定排序”，把它们当作连续位置处理。
- 例如 5 行数据，
score = [70, 85, 85, 85, 92]，求PERCENTILE_CONT(0.5)→ 位置在第 3 行（索引从 1 开始），对应值就是85 - 但如果用窗口形式且
ROWS BETWEEN范围不够宽，重复值集中在窗口边缘时，插值可能落在两个相同值之间，结果仍是该值（如85.0） - 真正影响精度的是样本量：小数据集（
- 若业务要求严格避免插值（比如只接受原始观测值），一律改用
PERCENTILE_DISC
