postgresql-窗口函数种类

聚合函数

常用的聚合函数，例如 AVG、SUM、COUNT 等，也可以作为窗口函数使用

--计算移动平均值
select saledate, amount, avg(amount) over (order by saledate rows between 1
preceding and 1 following)
 from sales_data
where product = '桔子' and channel = '淘宝';

排名窗口函数

案例1

-- 计算员工部门薪资排名
select 
e.first_name,
e.last_name ,
e.department_id ,
e.salary,
row_number() over(partition by e.department_id order by e.salary),
rank() over(partition by e.department_id order by e.salary) ,
dense_rank() over(partition by e.department_id order by e.salary) ,
percent_rank()  over(partition by e.department_id order by e.salary) 
from employees e;

4 个窗口函数的 OVER 子句完全相同，此时可以采用一种更简单的写法

-- 计算员工部门薪资排名
select 
e.first_name,
e.last_name ,
e.department_id ,
e.salary,
row_number() over w,
rank() over w ,
dense_rank() over w ,
percent_rank()  over w 
from employees e
-- 定义窗口(在sql语句的最后)
window w as (partition by e.department_id order by e.salary)
;

案例2

-- 计算员工部门薪资排名
select 
e.first_name,
e.last_name ,
e.department_id ,
e.salary,
cume_dist() over w as "累积占比",
ntile(5) over w as "相对位置"

from employees e
-- 定义窗口(在sql语句的最后)
window w as (partition by e.department_id order by e.salary)
;

取值窗口函数

取值窗口函数用于返回指定位置上的数据。常见的取值窗口函数包括：

• FIRST_VALUE，返回窗口内第一行的数据
• LAST_VALUE，返回窗口内最后一行的数据
• NTH_VALUE，返回窗口内第 N 行的数据
• LAG，返回分区中当前行之前的第 N 行的数据
• LEAD，返回分区中当前行之后第 N 行的数据
  其中，LAG 和 LEAD 函数不支持动态的窗口大小（frame_clause），而是以当前分区作为分析的窗口。

/*
 * first_value、last_value 以及 NTH 函数分别获取每个部门内部月薪最高、月薪最低以及月薪第三高的员工
 * */
select 
e.first_name,
e.last_name ,
e.department_id ,
e.salary ,
first_value(e.salary) over(partition by e.department_id order by e.salary),
last_value(e.salary) over(partition by e.department_id order by e.salary),
nth_value(e.salary,3) over(partition by e.department_id order by e.salary)
from employees e;

环比增长率

LAG 和 LEAD 函数同样用于计算销量数据的环比/同比增长

-- 首先，创建一个通用表表达式 sales_monthly，得到了不同产品每个月的销量汇总；
-- LAG(sum_amount, 1)表示获取上一期的销量；当前月份的销量减去上个月的销量，再除以上个月
-- 的销量，就是环比增长率
WITH sales_monthly AS (
 SELECT product, to_char(saledate,'YYYYMM') ym, sum(amount) sum_amount
 FROM sales_data
 GROUP BY product, to_char(saledate,'YYYYMM')
)
SELECT product AS "产品", ym "年月", sum_amount "销量",
 (sum_amount - LAG(sum_amount, 1) OVER (PARTITION BY product ORDER BY
ym))/
 LAG(sum_amount, 1) OVER (PARTITION BY product ORDER BY ym) * 100 AS "
环比增长率（%）"
 FROM sales_monthly
ORDER BY product, ym;

同比增长率

-- 2019年1月份数据 -2018年1月份数据，然后再和2018年1月份数据进行对比
-- 两年之间的相同月份
select 
s.*,
100*(s.amount - lag(s.amount,12) over(partition by s.product order by s.ym))
/ lag(s.amount,12 ) over(partition by s.product order by s.ym)  as "同比增长率"
from 
sales_monthly s;