mysql窗口函数（分析函数）知识笔记

窗口函数

• MySQL从8.0开始支持开窗函数，这个功能在大多商业数据库中早已支持，也叫分析函数。
• 开窗函数与分组聚合比较像，分组聚合是通过制定字段将数据分成多份，每一份执行聚合函数，每份数据返回一条结果。
• 开窗函数也是通过指定字段将数据分成多份，也就是多个窗口，对每个窗口的每一行执行函数，每个窗口返回等行数的结果。
• 窗口函数分为静态窗口和滑动窗口，静态窗口的大小是固定的，滑动窗口的大小可以根据设置进行变化，在当前窗口下生成子窗口。

1、窗口函数的定义

窗口函数作用于一个数据集合。窗口函数的一个概念就是当前行，当前行属于某个窗口就是从整个数据集选取一部分数据进行聚合/排名等操作。

2、窗口函数的语法

语法：函数名([参数]) over(partition by [分组字段] order by [排序字段] asc/desc rows/range between 起始位置 and 结束位置)

函数解读：函数分为两个部分，第一部分是函数名称，开窗函数的数量较少，只有11个窗口函数+聚合函数（所有聚合函数都可以用作开窗函数），根据函数性质，有的要写参数，有的不需要写参数；

第二部分是over语句，over()是必须要写的，里面有三个参数，都是非必须参数，根据需求选写：

1.第一个参数是 partition by +分组字段，将数据根据此字段分成多份，如果不加partition by参数，那会把整个数据当做一个窗口。

2.第二个参数是 order by +排序字段，每个窗口的数据要不要进行排序。

3.第三个参数 rows/range between 起始位置 and 结束位置，这个参数仅针对滑动窗口函数有用，是在当前窗口下分出更小的子窗口。其中起始位置和结束位置可写：current row 边界是当前行，unbounded preceding 边界是分区中的第一行，unbounded following 边界是分区中的最后一行，expr preceding 边界是当前行减去expr的值，expr following 边界是当前行加上expr的值。rows是基于行数，range是基于值的大小，到讲解到滑动窗口函数时再详细介绍。

3、窗口函数中的元素

1) 函数名 window_function_name：

静态窗口函数不能用frame子句；滑动窗口函数指加入order by或frame子句后，函数区域变为到当前行的数据集。

静态窗口函数：

排名函数 rank（）、dense_rank()、row_number()；

滑动窗口函数：

聚合函数 sum、 avg、percent_rank()；

取值函数 first_value()、last_value()、nth_value()、lag()、lead()、ntile()

2) 分区 partition_defintion

窗口按照指定字段进行分区，分区语句为"partition by 指定字段"，只有窗口函数功能在分区内执行，并在跨越分区边界时重新初始化。如果没有指定 partition by 语句，且没有后面的frame元素限制，就把所有数据当做一整个区。

3) 排序 order_definition

按照指定字段进行排序，排序语句为"order by 指定字段"，窗口函数将按照排序后的排列数据。和partition by 子句配合使用，就是对分区后的数据进行排序；如果单独使用且没有后面的frame元素的限制，就是对整个区的所有数据进行排序。

4) 框架 frame_definition

框架frame是当前分区的一个子集，在分区里面再进一步细分窗口，子句用来定义子集的规则，通常用来作为滑动窗口使用，某些窗口函数属于静态窗口，frame子句就没有作用。

frame_unit有两种，分别是ROWS和RANGE，ROWS是基于行号，RANGE是基于值的范围。

使用BETWEEN frame_start AND frame_end语法来表示行范围，frame_start和frame_end可以支持如下关键字，来确定不同的动态行记录：

CURRENT ROW 边界是当前行，一般和其他范围关键字一起使用

UNBOUNDED PRECEDING 边界是分区中的第一行

UNBOUNDED FOLLOWING 边界是分区中的最后一行

expr PRECEDING 当前行之前的expr(数字或表达式)行

expr FOLLOWING 当前行之后的expr(数字或表达式)行

4、窗口函数的应用

有成绩表sc,字段分别是学生编号s_id，课程编号c_id，成绩score

1）排名函数 rank()，dense_rank()、row_number() 静态窗口（不用frame）

– 查询每位学生的成绩总分并排名

思路：先找每位同学的总成绩，然后再排名。

SELECT s_id,SUM(score)总成绩,RANK()over(ORDER BY SUM(score) DESC )排名 FROM sc
GROUP BY s_id;

窗口函数的分区，只对窗口函数有作用，而对sum函数是没有作用，求出来只有一个结果总成绩。

SELECT s_id,SUM(score)总成绩,RANK() over(partition by s_id ORDER BY SUM(score) DESC )排名 
FROM sc;

SELECT s_id,SUM(score) over(PARTITION by s_id )总成绩 FROM sc ORDER BY 总成绩 DESC ;

– 查询每个课程的成绩并输出排名列

用关联子查询做的特别复杂，比较一下：

关联子查询

SELECT *, 
(SELECT SUM(sc.score<score) FROM sc sc1 WHERE c_id=sc.c_id)+1  排名
FROM sc
ORDER BY c_id,排名;

窗口函数：rank()

SELECT *,RANK()over(PARTITION by c_id order by score desc) 排名 FROM sc;

关联子查询的结果与rank()窗口函数结果一致，我们比较一下三个排名函数：

rank()，dense_rank()，row_number()

SELECT *,RANK() over(PARTITION by c_id order by score desc) 排名 FROM sc;

SELECT *,DENSE_RANK() over(PARTITION by c_id order by score desc) 排名 FROM sc;

SELECT *,ROW_NUMBER() over(PARTITION by c_id order by score desc) 排名 FROM sc;

都是对同一课程不同成绩的学生按成绩多少进行排名，

rank() 按成绩排名时，并列的排名相同但会占据这一行的行位置，如第一个rank表并列第1名后就是第3名。

dense_rank()按成绩排名时，并列的排名相同但不会占据这一行的行位置，如第一个rank表并列第1名后就是第2名。

row_number（）只是按成绩排名后又按学号排序，然后把所在行数写出来，而不对并列成绩的同学做处理。

avg（）窗口函数

over()什么参数都不加

聚合函数 sum() avg() 滑动窗口，分组后不聚合添加一列

SELECT *,avg(score)over() FROM sc;

over（）只加排序的参数

over（）不加参数是对整个数据的成绩求平均，窗口数据集是整个数据集。

SELECT *,avg(score)over(order by score) FROM sc;

over（）加分区参数再加上排序参数参数

over（）只加排序的元素，是按成绩升序排列后对成绩求移动平均，第1个结果就是对第1行求平均等于它本身，第二行等于1行和2行的平均，第三行是对前三行求平均。

SELECT *,SUM(score)over(PARTITION by c_id ORDER BY score) FROM sc;

练一练

– 按平均分数降序排列成绩信息

SELECT *,AVG(score)over(PARTITION by s_id)平均成绩 FROM sc
ORDER BY 平均成绩 DESC;

sum()窗口函数

over()什么参数都不加

over（）不加参数是对整个数据的成绩进行求和，窗口数据集是整个数据集。

SELECT *,SUM(score)over() FROM sc;

over（）只加排序的参数

over（）只加排序的元素，是按成绩升序排列后对成绩进行累加求和。

SELECT *,SUM(score)over(order by score) FROM sc;

over（）加分区参数再加上排序参数参数

SELECT *,SUM(score) over(PARTITION by c_id ORDER BY score) FROM sc;

在窗口函数里按课程进行分区和按成绩排序后，得到的是同一个课程按成绩排序后，对学生的成绩进行累计求和。

练一练

– 按总分数降序排列成绩信息

SELECT *,SUM(score)over(PARTITION by s_id)总成绩 FROM sc
ORDER BY 总成绩 DESC;

是通过s_id分区后对每个区域的成绩求和后最后排序。

前后函数：LAG()、LEAD() 静态窗口及frame框架

SELECT *,LAG(score,1,0)over(PARTITION by c_id ORDER BY score DESC) FROM sc;

LAG(score,1,0)：score这列当前行往前数1行，如果出现空值则为0

为什么每种课程的第一个值都为0 呢？分区后再往前数1个数字，则不存在为空值，而之前对空值的默认值进行了设定为0。

SELECT *,LEAD(score,2,0)over(PARTITION by c_id ORDER BY score DESC) FROM sc;

LEAD(score，2)：score这列当前行，往后数2行，出现空值则为0

为什么每个课程最后两行会为0呢？因为我们分过区了，分区以后再往后数就没有值了所以为空。

头尾函数：FIRST_VALUE()、LAST_VALUE() 滑动窗口

FIRST_VALUE()：取所选数据区域的第一个值

SELECT*,FIRST_VALUE(score)over(PARTITION by c_id) FROM sc;

这个结果是按照c_id分区后取每种课程区域的第一个值。

SELECT*,FIRST_VALUE(score)over(PARTITION by c_id rows BETWEEN 2 preceding and 3 following) FROM sc; #所选区域是：按课程分区后，取当前行往前数2行往后数3行

LAST_VALUE() ：取所选数据区域的最后一个值

SELECT*,LAST_VALUE(score)over(PARTITION by c_id) FROM sc;
#取每种课程区域的最后一个值

SELECT*,
LAST_VALUE(score)over(PARTITION by c_id rows BETWEEN unbounded preceding and unbounded following)
FROM sc;
#根据c_id分区后，在区域内的第一行到最后一行的最后一个值

SELECT*,
LAST_VALUE(score)over(PARTITION by c_id rows BETWEEN 4 preceding and 2 following) FROM sc;
#所选区域是：按课程分区后，取当前行往前数4行往后数2行

SELECT*,
SUM(score)over(PARTITION by c_id ORDER BY score desc range BETWEEN 10 preceding and 10  
following) FROM sc;
#按课程分区后，对 当前值-10到当前值+10 的数值范围进行求和

就第一行举例来说，score是80分，取课程是01的区域，70=

总结一下：

frame框架语法：

RANGE……BETWEEN……AND……

ROWS……BETWEEN……AND……

CURRENT ROW 边界是当前行，一般和其他范围关键字一起使用

UNBOUNDED PRECEDING 边界是分区中的第一行

UNBOUNDED FOLLOWING 边界是分区中的最后一行

exp PRECEDING 当前行之前的exp(数字或表达式)行

exp FOLLOWING 当前行之后的exp(数字或表达式)行

注意：rows是基于行的处理，而range是基于值，进行加减来确定范围，最终确定窗口区域

分布函数：PERCENT_RANK()、CUM_DIST() 静态窗口

PERCENT_RANK()返回的是（rank-1）/（当前窗口行数-1）

SELECT *,RANK()over(PARTITION by c_id ORDER BY score DESC)排名,

PERCENT_RANK()over(PARTITION by c_id ORDER BY score DESC)
FROM sc;

比如说第3行的数据rank=3，当前窗口为课程是01的行总数=6，结果=（3-1）/（6-1）=2/5=0.4

CUM_DIST() ：返回的是rank/当前窗口的行数

SELECT *,RANK()over(PARTITION by c_id ORDER BY score DESC)排名,
CUME_DIST()over(PARTITION by c_id ORDER BY score DESC)
FROM sc;

比如说第3行的数据rank=3，当前窗口为课程是01的行总数=6，结果=3/6=0.5

其他函数：NTH_VALUE() 滑动窗口、NTILE() 静态窗口

NTH_VALUE() 滑动窗口

select *,nth_value(score,2) over(partition by c_id) from sc;

取分区后，所有区域的第二个值

因为为滑动窗口，用了order by 后取到当前行的第二个值

select *,nth_value(score,2) over(partition by c_id ORDER BY score DESC) 
from sc;

分组函数NTILE() 静态窗口

NTILE(N)：加上要分的组数

select *,NTILE(4)over(partition by c_id ) from sc;
#通过c_id分区后，再将这区域分成4组

即1-2行属于1组，2-3行属于2组，5行3组，6行4组。