窗口函数详细解释(面试必备)

窗口函数的应用场景：

（1）用于分区排序
（2）动态Group By
（3）Top N
（4）累计计算
（5）层次查询

窗口函数：

介绍：窗口函数可以进行排序，生成序列号等一般的聚合函数无法实现的高级操作。

窗口函数也称为OLAP函数，意思是对数据库数据进行实时分析处理。窗口函数就是为了实现OLAP而添加的标准SQL功能。

语法：其中[]中的内容可以省略

<窗口函数> over ([partition by <列清单>]
                        order by <排序用列清单>)

FIRST_VALUE: 取分组内排序后，截止到当前行，第一个值
LAST_VALUE： 取分组内排序后，截止到当前行，最后一个值
LEAD(col,n,DEFAULT) ： 用于统计窗口内往下第n行值。第一个参数为列名，第二个参数为往下第n行（可选，默认为1），第三个参数为默认值（当往下第n行为NULL时候，取默认值，如不指定，则为NULL）
LAG(col,n,DEFAULT) ： 与lead相反，用于统计窗口内往上第n行值。第一个参数为列名，第二个参数为往上第n行（可选，默认为1），第三个参数为默认值（当往上第n行为NULL时候，取默认值，如不指定，则为NULL）
CUME_DIST()：返回（小于等于当前行值的行数）/（当前分组内的总行数）
应用场景：比如，统计小于等于当前薪水的人数，所占总人数的比例
PERCENT_RANK()：返回（组内当前行的rank值-1）/（分组内做总行数-1）

OVER从句
1、使用标准的聚合函数COUNT、SUM、MIN、MAX、AVG
2、使用PARTITION BY语句，使用一个或者多个原始数据类型的列，例如PARTITION BY [col1,col2…]
3、使用PARTITION BY与ORDER BY语句，使用一个或者多个数据类型的分区或者排序列,例如PARTITION BY [col1,col2…] order by …

窗口函数大体可以分为以下两种：

1.能够作为窗口函数的聚合函数（sum，avg，count，max，min）

2.rank，dense_rank。row_number等专用窗口函数。

语法的基本使用方法：使用rank函数
rank函数是用来计算记录排序的函数。如下：

select product_name, product_type, sale_price,
       rank () over (partition by product_type
	                        order by sale_price) as ranking
from Product;

partition by 能够设定排序的对象范围，类似于group by语句，这里就是以product_type划分排序范围。

order by能够指定哪一列，何种顺序进行排序。也可以通过asc，desc来指定升序降序。

窗口函数兼具分组和排序两种功能。通过partition by分组后的记录集合称为窗口。

然而partition by不是窗口函数所必须的：

select product_name, product_type, sale_price,
       rank () over (order by sale_price) as ranking
from Product;

专用函数的种类：

  1.rank函数：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。

  2.dense_rank函数：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。

  3.row_number函数：赋予唯一的连续位次。

举例说明：

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;

输出结果如下：

接下来介绍一下用窗口函数计算移动平均：

窗口函数就是将表以窗口为单位进行分割，并在其中进行排序的函数。其中还包含在窗口中指定更加详细的汇总范围的备选功能，该备选功能中的汇总范围称为框架。

指定最靠近的3行做为汇总对象：

select product_id, product_name, sale_price,
       avg (sale_price) over (order by product_id
	                          rows 2 preceding) as moving_avg
from Product;

指定框架（汇总范围）：这里使用的rows（行）和preceding（之前）两个关键字，将框架指定为截止到之前？行，因此rows 2 preceding就是将框架指定为截止到之前2行，也就是将作为汇总对象的记录限定为如下的最靠近3行

解释：

1.自身（当前记录）

2.之前1行的记录

3.之前2行的记录

同理使用关键字following（之后）替换preceding，就可以将框架改为截止到之后？行。

将当前记录的前后行作为汇总对象：

select product_id, product_name, sale_price,
       avg(sale_price) over (order by product_id
	                          rows between 1 preceding and 1 following) as moving_avg--使用between规划范围，语句意思为rows 1 preceding
																				     --到rows 1 following
from Product;

解释：

1.之前1行的记录

2.自身（当前记录）

3.之后1行的记录