超级牛皮的oracle的分析函数over(Partition by...) 及开窗函数

Sql代码 

 收藏代码

  1. 超级牛皮的oracle的分析函数over(Partition by...) 及开窗函数  
  2.     over(Partition by...) 一个超级牛皮的ORACLE特有函数。  
  3.   
  4. 最近工作中才接触到这个功能强大而灵活的函数。  
  5.   
  6.   
  7. oracle的分析函数over 及开窗函数  
  8. 一:分析函数over  
  9. Oracle从8.1.6开始提供分析函数,分析函数用于计算基于组的某种聚合值,它和聚合函数的不同之处是  
  10. 对于每个组返回多行,而聚合函数对于每个组只返回一行。   
  11. 下面通过几个例子来说明其应用。                                         
  12. 1:统计某商店的营业额。          
  13.      date       sale  
  14.      1           20  
  15.      2           15  
  16.      3           14  
  17.      4           18  
  18.      5           30  
  19.     规则:按天统计:每天都统计前面几天的总额  
  20.     得到的结果:  
  21.     DATE   SALE       SUM  
  22.     ----- -------- ------  
  23.     1      20        20           --1天             
  24.     2      15        35           --1天+2天             
  25.     3      14        49           --1天+2天+3天             
  26.     4      18        67            .            
  27.     5      30        97            .  
  28.        
  29. 2:统计各班成绩第一名的同学信息  
  30.     NAME   CLASS S                           
  31.     ----- ----- ----------------------   
  32.     fda    1      80                       
  33.     ffd    1      78                       
  34.     dss    1      95                       
  35.     cfe    2      74                       
  36.     gds    2      92                       
  37.     gf     3      99                       
  38.     ddd    3      99                       
  39.     adf    3      45                       
  40.     asdf   3      55                       
  41.     3dd    3      78                
  42.      
  43.     通过:     
  44.     --  
  45.     select * from                                                                         
  46.     (                                                                              
  47.     select name,class,s,rank()over(partition by class order by s desc) mm from t2  
  48.     )                                                                              
  49.     where mm=1   
  50.     --  
  51.     得到结果:  
  52.     NAME   CLASS S                       MM                                                                                          
  53.     ----- ----- ---------------------- ----------------------   
  54.     dss    1      95                      1                        
  55.     gds    2      92                      1                        
  56.     gf     3      99                      1                        
  57.     ddd    3      99                      1            
  58.      
  59.     注意:  
  60.     1.在求第一名成绩的时候,不能用row_number(),因为如果同班有两个并列第一,row_number()只返回一个结果            
  61.     2.rank()和dense_rank()的区别是:  
  62.       --rank()是跳跃排序,有两个第二名时接下来就是第四名  
  63.       --dense_rank()l是连续排序,有两个第二名时仍然跟着第三名  
  64.        
  65.        
  66. 3.分类统计 (并显示信息)  
  67.     A   B   C                        
  68.     -- -- ----------------------   
  69.     m   a   2                        
  70.     n   a   3                        
  71.     m   a   2                        
  72.     n   b   2                        
  73.     n   b   1                        
  74.     x   b   3                        
  75.     x   b   2                        
  76.     x   b   4                        
  77.     h   b   3   
  78.    select a,c,sum(c)over(partition by a) from t2                  
  79.    得到结果:  
  80.    A   B   C        SUM(C)OVER(PARTITIONBYA)        
  81.    -- -- ------- ------------------------   
  82.    h   b   3        3                          
  83.    m   a   2        4                          
  84.    m   a   2        4                          
  85.    n   a   3        6                          
  86.    n   b   2        6                          
  87.    n   b   1        6                          
  88.    x   b   3        9                          
  89.    x   b   2        9                          
  90.    x   b   4        9                          
  91.     
  92.    如果用sum,group by 则只能得到  
  93.    A   SUM(C)                              
  94.    -- ----------------------   
  95.    h   3                        
  96.    m   4                        
  97.    n   6                        
  98.    x   9                        
  99.    无法得到B列值         
  100.     
  101. =====  
  102. select * from test  
  103.   
  104. 数据:  
  105. A B C   
  106. 1 1 1   
  107. 1 2 2   
  108. 1 3 3   
  109. 2 2 5   
  110. 3 4 6   
  111.   
  112.   
  113. ---将B栏位值相同的对应的C 栏位值加总  
  114. select a,b,c, SUM(C) OVER (PARTITION BY B) C_Sum  
  115. from test  
  116.   
  117. A B C C_SUM   
  118. 1 1 1 1   
  119. 1 2 2 7   
  120. 2 2 5 7   
  121. 1 3 3 3   
  122. 3 4 6 6   
  123.   
  124. ---如果不需要已某个栏位的值分割,那就要用 null  
  125.   
  126. eg: 就是将C的栏位值summary 放在每行后面  
  127.   
  128. select a,b,c, SUM(C) OVER (PARTITION BY null) C_Sum  
  129. from test  
  130.   
  131. A B C C_SUM   
  132. 1 1 1 17   
  133. 1 2 2 17   
  134. 1 3 3 17   
  135. 2 2 5 17   
  136. 3 4 6 17  
  137.   
  138. 求个人工资占部门工资的百分比   
  139.   
  140. SQL> select * from salary;  
  141.   
  142. NAME DEPT SAL  
  143. ---------- ---- -----  
  144. a 10 2000  
  145. b 10 3000  
  146. c 10 5000  
  147. d 20 4000  
  148.   
  149. SQL> select name,dept,sal,sal*100/sum(sal) over(partition by dept) percent from salary;  
  150.   
  151. NAME DEPT SAL PERCENT  
  152. ---------- ---- ----- ----------  
  153. a 10 2000 20  
  154. b 10 3000 30  
  155. c 10 5000 50  
  156. d 20 4000 100  
  157.   
  158. 二:开窗函数             
  159.       开窗函数指定了分析函数工作的数据窗口大小,这个数据窗口大小可能会随着行的变化而变化,举例如下:   
  160. 1:       
  161.    over(order by salary) 按照salary排序进行累计,order by是个默认的开窗函数  
  162.    over(partition by deptno)按照部门分区  
  163. 2:  
  164.   over(order by salary range between 5 preceding and 5 following)  
  165.    每行对应的数据窗口是之前行幅度值不超过5,之后行幅度值不超过5  
  166.    例如:对于以下列  
  167.      aa  
  168.      1  
  169.      2  
  170.      2  
  171.      2  
  172.      3  
  173.      4  
  174.      5  
  175.      6  
  176.      7  
  177.      9  
  178.      
  179.    sum(aa)over(order by aa range between 2 preceding and 2 following)  
  180.    得出的结果是  
  181.             AA                       SUM  
  182.             ---------------------- -------------------------------------------------------   
  183.             1                       10                                                        
  184.             2                       14                                                        
  185.             2                       14                                                        
  186.             2                       14                                                        
  187.             3                       18                                                        
  188.             4                       18                                                        
  189.             5                       22                                                        
  190.             6                       18                                                                  
  191.             7                       22                                                                  
  192.             9                       9                                                                   
  193.                
  194.    就是说,对于aa=5的一行 ,sum为   5-1<=aa<=5+2 的和  
  195.    对于aa=2来说 ,sum=1+2+2+2+3+4=14     ;  
  196.    又如 对于aa=9 ,9-1<=aa<=9+2 只有9一个数,所以sum=9    ;  
  197.                 
  198. 3:其它:  
  199.      over(order by salary rows between 2 preceding and 4 following)  
  200.           每行对应的数据窗口是之前2行,之后4行   
  201. 4:下面三条语句等效:             
  202.      over(order by salary rows between unbounded preceding and unbounded following)  
  203.           每行对应的数据窗口是从第一行到最后一行,等效:  
  204.      over(order by salary range between unbounded preceding and unbounded following)  
  205.            等效  
  206.      over(partition by null)  
  207.   
  208. 常用的分析函数如下所列:  
  209.   
  210. row_number() over(partition by ... order by ...)  
  211. rank() over(partition by ... order by ...)  
  212. dense_rank() over(partition by ... order by ...)  
  213. count() over(partition by ... order by ...)  
  214. max() over(partition by ... order by ...)  
  215. min() over(partition by ... order by ...)  
  216. sum() over(partition by ... order by ...)  
  217. avg() over(partition by ... order by ...)  
  218. first_value() over(partition by ... order by ...)  
  219. last_value() over(partition by ... order by ...)  
  220. lag() over(partition by ... order by ...)  
  221. lead() over(partition by ... order by ...)  
  222.   
  223. 示例  
  224. SQL> select type,qty from test;  
  225.   
  226. TYPE QTY  
  227. ---------- ----------  
  228. 1 6  
  229. 2 9  
  230.   
  231.  SQL> select type,qty,to_char(row_number() over(partition by type order by qty))||'/'||to_char(count(*) over(partition by type)) as cnt2 from test;  
  232.   
  233. TYPE QTY CNT2   
  234. ---------- ---------- ------------  
  235. 3 1/2  
  236. 1 6 2/2  
  237. 2 5 1/3  
  238. 7 2/3   
  239. 2 9 3/3  
  240.   
  241.  SQL> select * from test;  
  242. ---------- -------------------------------------------------  
  243. 1 11111  
  244. 2 22222  
  245. 3 33333  
  246. 4 44444  
  247.   
  248. SQL> select t.id,mc,to_char(b.rn)||'/'||t.id)e  
  249. 2 from test t,  
  250.  (select rownum rn from (select max(to_number(id)) mid from test) connect by rownum <=mid ))L  
  251. 4 where b.rn<=to_number(t.id)  
  252. order by id  
  253.   
  254. ID MC TO_CHAR(B.RN)||'/'||T.ID  
  255. --------- -------------------------------------------------- ---------------------------------------------------  
  256. 1 11111 1/1  
  257. 2 22222 1/2  
  258. 2 22222 2/2  
  259. 3 33333 1/3  
  260. 3 33333 2/3  
  261. 3 33333 3/3  
  262.  44444 1/4 44444 2/4  
  263. 4 44444 3/4CNOUG4 44444 4/4  
  264.   
  265. 10 rows selected  
  266.   
  267. *******************************************************************  
  268.   
  269. 关于partition by  
  270.   
  271. 这些都是分析函数,好像是8.0以后才有的 row_number()和rownum差不多,功能更强一点(可以在各个分组内从1开时排序) rank()是跳跃排序,有两个第二名时接下来就是第四名(同样是在各个分组内) dense_rank()l是连续排序,有两个第二名时仍然跟着第三名。相比之下row_number是没有重复值的 lag(arg1,arg2,arg3): arg1是从其他行返回的表达式 arg2是希望检索的当前行分区的偏移量。是一个正的偏移量,时一个往回检索以前的行的数目。 arg3是在arg2表示的数目超出了分组的范围时返回的值。  
  272.   
  273. 1.  
  274. select deptno,row_number() over(partition by deptno order by sal) from emp order by deptno;  
  275. 2.  
  276. select deptno,rank() over (partition by deptno order by sal) from emp order by deptno;  
  277. 3.  
  278. select deptno,dense_rank() over(partition by deptno order by sal) from emp order by deptno;  
  279. 4.  
  280. select deptno,ename,sal,lag(ename,1,null) over(partition by deptno order by ename) from emp ord er by deptno;  
  281. 5.  
  282. select deptno,ename,sal,lag(ename,2,'example') over(partition by deptno order by ename) from em p  
  283. order by deptno;  
  284. 6.  
  285. select deptno, sal,sum(sal) over(partition by deptno) from emp;--每行记录后都有总计值  select deptno, sum(sal) from emp group by deptno;  
  286. 7. 求每个部门的平均工资以及每个人与所在部门的工资差额  
  287.   
  288. select deptno,ename,sal ,  
  289.      round(avg(sal) over(partition by deptno)) as dept_avg_sal,   
  290.      round(sal-avg(sal) over(partition by deptno)) as dept_sal_diff  
  291. from emp;  

你可能感兴趣的:(oracle)