SQL学习笔记系列（十）窗口函数

窗口函数介绍

窗口函数语法

<窗口函数> over (partition by <用于分组的列名>
                order by <用于排序的列名>)

• 专用窗口函数，比如rank, dense_rank, row_number等
• 聚合函数，如sum. avg, count, max, min等

窗口函数功能

• 不减少原表的行数，所以经常用来在每组内排名
• 同时具有分组（partition by）和排序（order by）的功能

窗口函数使用场景

业务需求“在每组内排名”，比如：

• 排名问题：每个部门按业绩来排名
• topN问题：找出每个部门排名前N的员工进行奖励

注意事项

• 窗口函数原则上只能写在select子句中
• partition子句可以省略，省略就是不指定分组，但是，这就失去了窗口函数的功能，所以一般不要这么使用。

group by、order by子句与窗口函数的区别

group by分组汇总后改变了表的行数，一行只有一个类别。而partiition by和rank函数不会减少原表中的行数

标准聚合函数

标准的聚合函数有avg、count、sum、max和min，接下来分别介绍这些聚合函数的窗口函数形式。

移动平均窗口函数

移动平均值的定义：若依次得到测定值（x1,x2,x3,...xn）时，按顺序取一定个数所做的全部算数平均值。例如(x1+x2+x3)/3，(x2+x3+x4)/3，(x3+x4+x5)/3,....就是移动平均值。其中，x可以是日或者月，以上的可以成为3日移动平均，或3月移动平均，常用于股票分析中。

#语法结构
avg(字段名) over(
    partition by 用于分组的列名 
    order by 用于排序的列名 asc/desc 
    rows between A and B )

#A和B是计算的行数范围，

rows between 2 preceding and current row  # 取当前行和前面两行


rows between unbounded preceding and current row   # 包括本行和之前所有的行


rows between current row and unbounded following  # 包括本行和之后所有的行


rows between 3 preceding and current row   # 包括本行和前面三行


rows between 3 preceding and 1 following   # 从前面三行和下面一行，总共五行

当order by后面缺少窗口从句条件，窗口规范默认是rows between unbounded preceding and current row.

当order by和窗口从句都缺失, 窗口规范默认是 rows between unbounded preceding and unbounded following

例子

SELECT *,AVG(grade) OVER(
    ORDER BY stu_no 
    ROWS BETWEEN 2 preceding AND CURRENT ROW
) AS '三移动平均'
FROM v_info

计数（count）窗口函数

窗口函数 count(*) over() 对于查询返回的每一行，它返回了表中所有行的计数。

语法结构：
count(字段名1) over(
    partition by 字段名2 
    order by 字段名3 asc/desc) 

例子1

查询出成绩在90分以上的人数

SELECT *,
       COUNT(*) OVER() AS 'ct'
FROM v_info
WHERE grade>=90

例子2

按照课程号进行分组，找出成绩大于等于80分的学生人数

SELECT *,
       COUNT(*) OVER(PARTITION BY c_no) AS 'ct'
FROM v_info
WHERE grade>=80

小声bb：这两个例子举得不是很好，如果只是为了看学生人数，用group by能更明了地看。应该说找出大于等于80分的学生人数及其相关信息。

累计求和（sum）窗口函数

语法结构

sum(字段名1) over(
    partition by 字段名2 
    order by 字段名3 asc/desc) 

--按照字段1进行累积求和
-- 按照字段2 进行分组
-- 在组内按照字段3进行排序

例子1

根据学号排序，对学生的成绩进行累积求和

SELECT *,
       SUM(grade) OVER(ORDER BY stu_no) AS '累积求和'
FROM v_info

例子2

按照课程号分组，然后根据学号对成绩进行累积求和

SELECT *,SUM(grade) OVER(
        PARTITION BY c_no 
        ORDER BY stu_no
) AS '累积求和'
FROM v_info

tips：一定要选择根据学号排序，要不然得出来的是最终的累积求和结果，如下图：

SELECT *,
       SUM(grade) OVER(PARTITION BY c_no) AS '累积求和'
FROM v_info

最大（max）、最小值（min）窗口函数

语法结构

max(字段名1) over(partition by 字段名2 order by 字段名3 asc/desc) 

min(字段名1) over(partition by 字段名2 order by 字段名3 asc/desc) 

例子1

求成绩的累积最大值和累积最小值

例子2

按照课程号进行分组，再求最大、最小值

SELECT *,
       MAX(grade) OVER(PARTITION BY c_no ORDER BY stu_no) AS '累积最大值',
       MIN(grade) OVER(PARTITION BY c_no ORDER BY stu_no) AS '累积最小值'
FROM v_info

例子3

根据学生号和课程号求成绩的累积最小值

SELECT stu_no,c_no,stu_name,sex,birth,grade,
	    MIN(grade) OVER(PARTITION BY stu_no,c_no) AS '累积最小值'
FROM v_info

例子4

统计2019年10月1日-10月10日每天做新题的人的数量，重点在每天。

• 这个题的重点是在每天，所以需要求出count(时间）=10的用户ID；
• 这个题可以使用min() over()窗口函数，先根据每个做题者和试卷号，找出每个做题者的最小日期，这里和前面（3）的解题思路是一样的；
• 如果每天都做题，那么得到的日期是不一样的，所以count（时间）会等于10；
• 再对这部分的用户ID进行求和，就可以找出每天都做新题的人了。

SELECT COUNT(a.sno) AS '每天做题的人数'
FROM
    (SELECT sno,
	    s_id,
	    time,
	    MIN(time) OVER(PARTITION BY sno,s_id) AS 'first_time'
	   FROM paper
	   WHERE DATE_FORMAT(time,'%Y-%m-%d') BETWEEN '2019-10-01' AND '2019-10-10') AS a
WHERE a.time=a.first_time
GROUP BY a.sno
HAVING COUNT(DISTINCT a.first_time)=10

排序窗口函数

row_number()、rank()、dense_rank()，这三个函数的作用都是返回相应规则的排序序号。

row_number()

为查询出来的每一行记录都会生成一个序号，依次排序且不会重复。

语法

row_number() over(partition by 字段1 order by 字段2) # 字段1是分组的字段名称

rank()

使用rank函数来生成序号，over子句中排序字段值相同的序号是一样的，后面字段值不相同的序号将跳过相同的排名排下一个，rank函数生成的序号有可能是不连续的，即排名可能为1，1，3，是跳跃式排名，有两个第一名时接下来就是第三名。

语法

rank() over(partition by 字段1 order by 字段2)

dense_rank()

dense_rank函数在生成序号时是连续的，当出现相同排名时，将不跳过相同排名号，有两个第一名时仍跟着第二名，即排名为1，1，2这种。

语法

dense_rank() over(partition by 字段1 order by 字段2)

分组排序窗口函数

可以按照销售额的高低、点击次数的高低，以及成绩的高低为对用户和学生进行分组，这里的考点是：取销售额最高的25%的用户（将用户分成4组，取出第一组）、取成绩高的前10%的学生（将学生分成10组，取出第一组）等等。

语法结构

ntile(n) over(partition by 字段名2 order by 字段名3 asc/desc) 

#n表示要切分的片数，如需要取前25%的用户，则需要分为4组，取前10%的用户，则需要分10组

• ntile(n)，用于将分组数据按照顺序切分成n片，返回当前切片值
• ntile不支持rows between的用法
• 切片如果不均匀，默认增加第一个切片的分布

例子1

取出成绩前25%的学生信息

• 第一步：按照成绩的高低，将学生按照成绩进行切片

SELECT *,
	   ntile(4) OVER(ORDER BY grade DESC) AS 'rank'
FROM v_info

• 第二步：按照rank筛选出第一组，则得到最终的结果如下：

SELECT a.*
FROM
		(SELECT *,
			  ntile(4) OVER(ORDER BY grade DESC) AS 'rank'
		FROM v_info) AS a
WHERE a.rank=1

偏移分析窗口函数

• lag() over()和lead() over()窗口函数，lag和lead分析函数可以在同一次查询中取出同一个字段的前N行数据（lag）和后N行（lead）作为独立的列。
• 在实际应用当中，若要用到取今天和昨天的某字段的差值时，lag和lead函数的应用就显得尤为重要了。
• 适用场景：获取用户在某个页面停留的起始与结束时间

语法结构

lag(exp_str,offset,defval) over(partition by ... order by...)
lead(exp_str,offset,defval) over(partition by ... order by...)

-- exp_str表示字段名称
-- offset偏移量，假设当前行在表中排在第5行，offset为3，则表示我们所要找的数据行就是表中的第2行（即5-3=2）
-- offset默认为1

例子1

向前推1个日期

SELECT *,
       LAG(birth,1,0) OVER(PARTITION BY sex) AS 'lag_1'
FROM v_info

例子2

向后推1个日期

SELECT *,
       LEAD(birth,1,'无') OVER(PARTITION BY sex) AS 'lead_1'
FROM v_info

例子3

统计每天符合以下条件的用户数：A操作之后是B操作，AB操作必须相邻。

用户行为表racking_log（user_id,operate_id,log_time）

• 先根据用户ID和日期，用LEAD()窗口函数向后获取下一步的步骤；
• AB必须相邻，则表明当前的步骤为A，而下一个步骤为B，即A向下移的步骤是B；
• “每天”，即根据日期进行分组。

SELECT a.log_date,
       COUNT(DISTINCT a.user_id)
FROM
	(SELECT user_id,
		operate_id,
		DATE_FORMAT(log_time,'%Y-%m-%d') AS log_date,
		LEAD(operate_id,1,NULL) OVER(PARTITION BY user_id,DATE_FORMAT(log_time,'%Y-%m-%d') ORDER BY log_time) AS 'next_operate'
	FROM tracking_log) AS a			 
WHERE a.operate_id=A AND b.next_operate=B
GROUP BY a.log_date

参考

• 结合实例来分析SQL的窗口函数
• 通俗易懂的学会：SQL窗口函数