rank over partition by

高级函数，分组排序

over: 在什么条件之上。

partition by e.deptno: 按部门编号划分（分区）。

order by e.sal desc: 按工资从高到低排序（使用rank()/dense_rank() 时，必须要带order by，否则非法）

rank()/dense_rank(): 分级

遇到有相同数值“字段2”时，有下面三种处理方式

1、row_number() over

row_number() over(partition by 字段1 order by 字段2);--1,2,3,4，不考虑并列

2、rank() over

rank() over(partition by 字段1 order by 字段2);--1,2,2,4，考虑并列，空出并列所占的名次

3、dense_rank() over

dense_rank() over(partition by 字段1 order by 字段2);--1,2,2,3，考虑并列，不空出并列所占的名次

--示例
select a2.parent_area_id,
       a2.name,
       a1.area_id,
       a1.name,
       row_number() over(partition by a2.parent_area_id order by a2.area_id) rank
  from area a1, area a2
 where a1.parent_area_id = a2.area_id

一、rank()/dense_rank() over(partition by ...order by ...)

--查询各部门工资最高的雇员的信息

1、方法一

select e.ename, e.job, e.sal, e.deptno  
  from scott.emp e,  
       (select e.deptno, max(e.sal) sal from scott.emp e group by e.deptno) me  
 where e.deptno = me.deptno  
   and e.sal = me.sal;

2、方法二

select e.ename, e.job, e.sal, e.deptno  
  from (select e.ename,  
               e.job,  
               e.sal,  
               e.deptno,  
               rank() over(partition by e.deptno order by e.sal desc) rank  
          from scott.emp e) e  
 where e.rank = 1;

3、方法三

select e.ename, e.job, e.sal, e.deptno  
  from (select e.ename,  
               e.job,  
               e.sal,  
               e.deptno,  
               dense_rank() over(partition by e.deptno order by e.sal desc) rank  
          from scott.emp e) e  
 where e.rank = 1;

整个语句的意思就是：在按部门划分的基础上，按工资从高到低对雇员进行分级，“级别”由从小到大的数字表示（最小值一定为1）。

那么rank()和dense_rank()有什么区别呢？

rank(): 跳跃排序，如果有两个第一级时，接下来就是第三级。

dense_rank(): 连续排序，如果有两个第一级时，接下来仍然是第二级。

二、min()/max() over(partition by ...)

--查询部门最高、最低工资，及员工与部门最高、最低工资的差额

现在我们已经查询得到了部门最高/最低工资，客户需求又来了，查询雇员信息的同时算出雇员工资与部门最高/最低工资的差额。这个还是比较简单，在第一节的group by语句的基础上进行修改如下：

1、方法一

select e.ename,  
         e.job,  
         e.sal,  
         e.deptno,  
         e.sal - me.min_sal diff_min_sal,  
         me.max_sal - e.sal diff_max_sal  
    from scott.emp e,  
         (select e.deptno, min(e.sal) min_sal, max(e.sal) max_sal  
            from scott.emp e  
           group by e.deptno) me  
   where e.deptno = me.deptno  
   order by e.deptno, e.sal;

2、方法二

select e.ename,  
       e.job,  
       e.sal,  
       e.deptno,  
       nvl(e.sal - min(e.sal) over(partition by e.deptno), 0) diff_min_sal,  
       nvl(max(e.sal) over(partition by e.deptno) - e.sal, 0) diff_max_sal  
  from scott.emp e;

这两个语句的查询结果是一样的，大家可以看到min()和max()实际上求的还是最小值和最大值，只不过是在partition by分区基础上的。

三、lead()/lag() over(partition by ... order by ...)

--查询比员工工资高一位、低一位员工的工资，及差额

中国人爱攀比，好面子，闻名世界。客户更是好这一口，在和最高/最低工资比较完之后还觉得不过瘾，这次就提出了一个比较变态的需求，计算个人工资与比自己高一位/低一位工资的差额。这个需求确实让我很是为难，在group by语句中不知道应该怎么去实现。不过。。。。现在我们有了over(partition by ...)，一切看起来是那么的简单。如下：

select e.ename,  
       e.job,  
       e.sal,  
       e.deptno,  
       lead(e.sal, 1, 0) over(partition by e.deptno order by e.sal) lead_sal,  
       lag(e.sal, 1, 0) over(partition by e.deptno order by e.sal) lag_sal,  
       nvl(lead(e.sal) over(partition by e.deptno order by e.sal) - e.sal,  
           0) diff_lead_sal,  
       nvl(e.sal - lag(e.sal) over(partition by e.deptno order by e.sal), 0) diff_lag_sal  
  from scott.emp e;

看了上面的语句后，大家是否也会觉得虚惊一场呢（惊出一身冷汗后突然鸡冻起来，这样容易感冒）？我们还是来讲解一下上面用到的两个新方法吧。

lead(列名,n,m)： 当前记录后面第n行记录的<列名>的值，没有则默认值为m；如果不带参数n,m，则查找当前记录后面第一行的记录<列名>的值，没有则默认值为null。

lag(列名,n,m)： 当前记录前面第n行记录的<列名>的值，没有则默认值为m；如果不带参数n,m，则查找当前记录前面第一行的记录<列名>的值，没有则默认值为null。

下面再列举一些常用的方法在该语法中的应用（注：带order by子句的方法说明在使用该方法的时候必须要带order by）：

select e.ename,  
       e.job,  
       e.sal,  
       e.deptno,  
       first_value(e.sal) over(partition by e.deptno) first_sal,  
       last_value(e.sal) over(partition by e.deptno) last_sal,  
       sum(e.sal) over(partition by e.deptno) sum_sal,  
       avg(e.sal) over(partition by e.deptno) avg_sal,  
       count(e.sal) over(partition by e.deptno) count_num,  
       row_number() over(partition by e.deptno order by e.sal) row_num  
  from scott.emp e;

重要提示：

大家在读完本片文章之后可能会有点误解，就是OVER (PARTITION BY ..)比GROUP BY更好，实际并非如此，前者不可能替代后者，而且在执行效率上前者也没有后者高，只是前者提供了更多的功能而已，所以希望大家在使用中要根据需求情况进行选择。