Oracle笔记 之 偏移量分析函数lag/lead-over函数
偏移量分析函数
解析
lag() over() 与lead() over() 函数是跟偏移量相关的两个分析函数，通过这两个函数可以在一次查询中取出同一字段的前N行的数据(lag)和后N行的数据(lead)作为独立的列,从而更方便地进行进行数据过滤。
这种操作可以代替自联接查询，并且LAG和LEAD的执行效率更高。
lag/lead(field, num, defaultvalue)指定要去的字段field，偏移量num和默认值defaultvalue。
lag()与lead()通过over()指定相应分组及排序方法。
over()可以使用partition by 语句（用于分组） order by 语句（用于排序）。
partition by column1 order by column2表示以column1字段进行分组，再 以column2字段进行排序，对数据进行查询。
注意：这里的partition by表示取偏移量的数据范围，而不是SQL语句里的分组函数。
示例
- 创建数据表
-- Create table
create table TEST_LAGOVER
(
ddate DATE,
ymdate NUMBER,
dvalue NUMBER
);
-- Add comments to the table
comment on table TEST_LAGOVER
is '测试--偏移量分析函数';
- 添加测试数据
使用测试窗口添加数据
生成连续数值
-- Created on 2022-07-07 by ADMINISTRATOR
Declare
-- Local variables here
i Integer;
Begin
-- Test statements here
For ydate In (Select 2019 + Level ydate From dual Connect By Level <= 10) Loop
For ddate In (Select Level ddate From dual Connect By Level <= 20) Loop
Insert Into test_lagover
Select to_date(y.ynumber * 10000 + m.mnumber * 100 + ddate.ddate,
'yyyymmdd'),
y.ynumber * 100 + m.mnumber,
ddate.ddate
From (Select ydate.ydate + Level ynumber
From dual
Connect By Level <= 1) y
Full Join (Select Level mnumber From dual Connect By Level <= 12) m
On 1 = 1;
End Loop;
End Loop;
Commit;
End;
# 数据
1036 2021-01-01 202101 1
1048 2021-01-02 202101 2
1060 2021-01-03 202101 3
1072 2021-01-04 202101 4
1084 2021-01-05 202101 5
1096 2021-01-06 202101 6
1108 2021-01-07 202101 7
1120 2021-01-08 202101 8
1132 2021-01-09 202101 9
1144 2021-01-10 202101 10
1156 2021-01-11 202101 11
1168 2021-01-12 202101 12
1180 2021-01-13 202101 13
1192 2021-01-14 202101 14
1204 2021-01-15 202101 15
1216 2021-01-16 202101 16
1228 2021-01-17 202101 17
1240 2021-01-18 202101 18
1252 2021-01-19 202101 19
1264 2021-01-20 202101 20
1037 2021-02-01 202102 1
1049 2021-02-02 202102 2
1061 2021-02-03 202102 3
1073 2021-02-04 202102 4
1085 2021-02-05 202102 5
1097 2021-02-06 202102 6
1109 2021-02-07 202102 7
1121 2021-02-08 202102 8
1133 2021-02-09 202102 9
1145 2021-02-10 202102 10
1157 2021-02-11 202102 11
1169 2021-02-12 202102 12
1181 2021-02-13 202102 13
1193 2021-02-14 202102 14
1205 2021-02-15 202102 15
1217 2021-02-16 202102 16
1229 2021-02-17 202102 17
1241 2021-02-18 202102 18
1253 2021-02-19 202102 19
1265 2021-02-20 202102 20
- lag() over()函数
取前一天的日期为比较对象，前一天的销量为对比值，默认值为null。
Select ddate,
lag(ddate, 1, Null) over(Partition By ymdate Order By ddate) pymdate,
dvalue,
lag(dvalue, 1, Null) over(Partition By ymdate Order By ddate) pymdate
From test_lagover
# 结果
1 2021-01-01 1
2 2021-01-02 2021-01-01 2 1
3 2021-01-03 2021-01-02 3 2
4 2021-01-04 2021-01-03 4 3
5 2021-01-05 2021-01-04 5 4
6 2021-01-06 2021-01-05 6 5
7 2021-01-07 2021-01-06 7 6
8 2021-01-08 2021-01-07 8 7
9 2021-01-09 2021-01-08 9 8
10 2021-01-10 2021-01-09 10 9
11 2021-01-11 2021-01-10 11 10
12 2021-01-12 2021-01-11 12 11
13 2021-01-13 2021-01-12 13 12
14 2021-01-14 2021-01-13 14 13
15 2021-01-15 2021-01-14 15 14
16 2021-01-16 2021-01-15 16 15
17 2021-01-17 2021-01-16 17 16
18 2021-01-18 2021-01-17 18 17
19 2021-01-19 2021-01-18 19 18
20 2021-01-20 2021-01-19 20 19
- lead() over()函数
取后一天的日期为比较对象，后一天的销量为对比值，默认值为null。
Select ddate,
lead(ddate, 1, Null) over(Partition By ymdate Order By ddate) nymdate,
dvalue,
lead(dvalue, 1, Null) over(Partition By ymdate Order By ddate) ndvalue
From test_lagover;
# 结果
1 2021-01-01 2021-01-02 1 2
2 2021-01-02 2021-01-03 2 3
3 2021-01-03 2021-01-04 3 4
4 2021-01-04 2021-01-05 4 5
5 2021-01-05 2021-01-06 5 6
6 2021-01-06 2021-01-07 6 7
7 2021-01-07 2021-01-08 7 8
8 2021-01-08 2021-01-09 8 9
9 2021-01-09 2021-01-10 9 10
10 2021-01-10 2021-01-11 10 11
11 2021-01-11 2021-01-12 11 12
12 2021-01-12 2021-01-13 12 13
13 2021-01-13 2021-01-14 13 14
14 2021-01-14 2021-01-15 14 15
15 2021-01-15 2021-01-16 15 16
16 2021-01-16 2021-01-17 16 17
17 2021-01-17 2021-01-18 17 18
18 2021-01-18 2021-01-19 18 19
19 2021-01-19 2021-01-20 19 20
20 2021-01-20 20
应用
因为每月相同天数的数值都是一样的所有比例都是0，可以在测试窗口添加变量修改数值。
- 取环比
当前月份相比上一月份销售额的增长值与上一月份销售额的百分比（month-to-month）。
Select s.*, round((s.dvalue - s.pdvalue) * 100 / s.pdvalue, 2) ratio2
From (Select ymdate,
lag(ymdate, 1, Null) over(Order By ymdate) pymdate,
dvalue,
lag(dvalue, 1, Null) over(Order By ymdate) pdvalue
From (Select ymdate, Sum(dvalue) dvalue
From test_lagover
Group By ymdate)) s
Where pymdate Is Not Null;
# 结果
1 202102 202101 210 210 0
2 202103 202102 210 210 0
3 202104 202103 210 210 0
4 202105 202104 210 210 0
5 202106 202105 210 210 0
6 202107 202106 210 210 0
7 202108 202107 210 210 0
8 202109 202108 210 210 0
9 202110 202109 210 210 0
10 202111 202110 210 210 0
11 202112 202111 210 210 0
12 202201 202112 210 210 0
13 202202 202201 210 210 0
14 202203 202202 210 210 0
15 202204 202203 210 210 0
- 取同比
当前月份相比上一年度同一月份销售额的增长值与上一年度同一月份销售额的百分比（year-to-year）。
Select s.*, round((s.dvalue - s.pdvalue) * 100 / s.pdvalue, 2) ratio2
From (Select ymdate,
lag(ymdate, 12, Null) over(Order By ymdate) pymdate,
dvalue,
lag(dvalue, 12, Null) over(Order By ymdate) pdvalue
From (Select ymdate, Sum(dvalue) dvalue
From test_lagover
Group By ymdate)) s
Where pymdate Is Not Null;
# 结果
1 202201 202101 210 210 0
2 202202 202102 210 210 0
3 202203 202103 210 210 0
4 202204 202104 210 210 0
5 202205 202105 210 210 0
6 202206 202106 210 210 0
7 202207 202107 210 210 0
8 202208 202108 210 210 0
9 202209 202109 210 210 0
10 202210 202110 210 210 0
11 202211 202111 210 210 0
12 202212 202112 210 210 0
13 202301 202201 210 210 0
14 202302 202202 210 210 0
15 202303 202203 210 210 0