一、窗口函数
也称为OLAP函数
OnLine AnalyticalProcessing --对数据库数据进行实时分析处理
常规的SELECT语句都是对整张表进行查询,而窗口函数可以让我们有选择的去某一部分数据进行汇总、计算和排序
形式
<窗口函数> over (partition by
order by)
partition by 用来分组,类似group by,但不具备其汇总功能,不能改变原始表中记录的行数
order by 用来排序
举例
select name,age,year,rank() over(partition by age
order by name) as ranking
from table1
SELECT product_name
,product_type
,sale_price
,RANK() OVER (PARTITION BY product_type
ORDER BY sale_price) AS ranking
FROM product

二、窗口函数的种类
2种:
一是将sum,min,max等聚合函数用在窗口函数中
二是用rank,dense_rank等排序用的专用窗口函数
- 专用窗口函数
rank函数(英式排序)
—计算排序时,如果存在相同位次的记录,则会跳过之后的位次
—例)有 3 条记录排在第 1 位时:1 位、1 位、1 位、4 位……
dense_rank函数(中式排序)
—同样是计算排序,即使存在相同位次的记录,也不会跳过之后的位次。
—例)有 3 条记录排在第 1 位时:1 位、1 位、1 位、2 位……
row_number函数
—赋予唯一的连续位次。
—例)有 3 条记录排在第 1 位时:1 位、2 位、3 位、4 位
select product_name,product_type,sale_price,
rank() over (order by sale_price) as ranking,
dense_rank() over (order by sale_price) as dense_ranking,
row_number() over (order by sale_price) as row_num
from product

- 聚合函数在窗口函数中的使用
用法同窗口函数,只是出来的结果是一个累计的聚合函数的值
select product_id,product_name,sale_price
sum(sale_price) over (order by product_id) as current_sum
avg(sale_price) over (order by product_id) as current_avg
from product

三、窗口函数的应用-计算移动平均
聚合函数在窗口函数使用时,计算的是累积到当前行的所有的数据的聚合, 实际上,还可以指定更加详细的汇总范围,该汇总范围成为框架(frame)
<窗口函数> over (order by <排序用列名>
rows n preceding)
<窗口函数> over (order by <排序用列名>
between n preceding and n following)
preceding:之前,将框架指定截止之前n行,加上自身行
following:之后,将框架指定截止之前n行,加上自身行
between n preceding and n following将框架指定为 “之前n行” + “之后n行” + “自身”
SELECT product_id
,product_name
,sale_price
,AVG(sale_price) OVER (ORDER BY product_id
ROWS 2 PRECEDING) AS moving_avg
,AVG(sale_price) OVER (ORDER BY product_id
ROWS BETWEEN 1 PRECEDING
AND 1 FOLLOWING) AS moving_avg
FROM product

原则上,窗口函数只能在select子句中使用
窗口函数over 中的order by 子句并不会影响最终结果的排序,其只是用来决定窗口函数按何种顺序计算
四、grouping运算符
rollup计算合计及小计
常规的group by 只能得到每个分类的小计,有时候还需要计算分类的合计,可以用 rollup关键字
select product_type,regist_date,sum(sale_price) as sum_prcie
from product
group by product_type , regist_date with rollup

本文详细介绍了窗口函数的概念、种类,如rank/dense_rank/row_number,以及如何在SQL查询中运用它们进行数据分组、排序和移动平均计算。通过实例演示了聚合函数在窗口函数中的使用,并讲解了grouping运算符在汇总计算中的作用。涵盖了OLAP处理、数据透视和窗口函数在实际场景的应用。

970

被折叠的 条评论
为什么被折叠?



