PostgreSQL四类窗口函数总结

postgresql的窗口函数和Hive的hql基本一致，利用窗口函数能够解决绝大部分的常用业务数据分析需求。

先总结：

常用的4类窗口函数：

• 用于聚合计算的窗口函数：sum() over(); count() over(); avg() over;
• 用于分组排序的窗口函数：row_number() over(); rank() over(); dense_rank() over()
• 用于分组查询的窗口函数：ntile() over()
• 用于偏移分析的窗口函数：lag() over();lead() over();first_value() last_value()

---------------------------------------------------------------------------------------------------------------------------------------

一、聚合计算的窗口函数

1.1 sum() over()函数 

订单表 t_order 源数据：

select *,sum(order_num) over(partition by region order by create_time) from t_order

在每个region内，根据create_time顺序，对amount进行累加。

高频使用。

1.2 count() over()函数

select *,count(order_num) over(partition by region order by create_time) from t_order

将上面的案例的sum做一下修改调整

计算函数由sum改成了count，由向下累加改成了向下计数。类似于row_number()，低频使用。

==》avg() over() 函数同理；省略

二、分组排序的窗口函数

2.1 row_numer() over() 函数

select *,row_number() over(partition by region order by create_time) from t_order
select *,row_number() over(partition by region||city_name order by create_time) from t_order

row_number()的作用是对数据进行排序。

第一个查询，在region分区里面，根据create_time对每个数据进行排序。

第二个查询，在region和city_name分区里面，根据create_time对每个数据进行排序。

2.2 rank() over() 函数

select *,row_number() over(partition by region order by city_name) from t_order
select *,rank() over(partition by region order by city_name) from t_order

将排序改成城市排序，因为有部分城市有多个订单记录：

    

第一个查询，row_number() 排序时city_name相同排名不一样，继续向下排序，不留空位。（高频使用）

第二个查询，rank() 排序时city_name相同的排名一样，下一级排名留空。（低频使用）

第三个查询，dense_rank() 排序时city_name相同的排名一样，下一级排名不留空。

三、分组查询的窗口函数

3.1 ntile() over() 函数

select *
,ntile(5) over(order by create_time) 
,ntile(2) over(partition by region order by create_time) 
from t_order

第一个分组，根据create_time顺序，将数据分成5等份

第二个分组，在每个region内，根据create_time顺序，将数据分成2等份

四、偏移分析的窗口函数

4.1 lag() over() 函数

select *
,lag(create_time,1,0) over(order by create_time ) 
,lag(create_time,1,0) over(order by create_time desc) 
,lag(create_time,1,0) over(partition by region order by create_time ) 
,lag(create_time,1,0) over(partition by region order by create_time desc)  
from t_order

lag(exp_str,offset,defval) over(partion by ..order by …)

exp_str：字段名；offset：偏移量；defval：默认值

第一个查询：根据create_time顺序，获取create_time的上一条数据，空的数据用0补充。

第二个查询：在每个region内，根据create_time顺序，获取create_time的上一条数据，空的数据用0补充。

4.2 lead() over() 函数

select *
,lead(create_time,1,0) over(order by create_time ) 
,lead(create_time,1,0) over(order by create_time desc) 
,lead(create_time,1,0) over(partition by region order by create_time ) 
,lead(create_time,1,0) over(partition by region order by create_time desc)  
from t_order

第一个查询：根据create_time顺序，获取create_time的下一条数据，空的数据用0补充。

第二个查询：在每个region内，根据create_time顺序，获取create_time的下一条数据，空的数据用0补充。

第三个查询：first_value()
取分组内排序后，截止到当前行，第一个值.
如果不指定ORDER BY，则默认按照记录在文件中的偏移量进行排序，会出现错误的结果

--------------------------------------------------------------------------------------------------------------------

窗口函数其他说明

1、在所有的SQL处理中,窗口函数都是最后一步执行,而且仅位于Order by字句之前。
2、当同一个select查询中存在多个窗口函数时,他们相互之间是没有影响的。
3、如果只使用partition by子句,未指定order by的话,我们的聚合是分组内的聚合。
4、order by子句会让输入的数据强制排序。