Oracle笔记 之 分组统计排名函数dense_rank/rank()-over()函数

分组统计排名函数

解析

dense_rank/rank()-over()用于对数据进行统计排名。
rank-over()函数对相同的统计值的排名相同，不同的统计值之间的排名不连续（相同统计值的排名均为其前面不同统计值的数量+1）。
dense_rank-over()函数对相同的统计值的排名相同，不同的统计值之间的排名连续。
注意：如果over()中使用order by 进行排序后没有重复的值则dense_rank/rank()-over()统计排名结果一致且排名均连续。
dense_rank/rank()-over()可以在over()中使用Partition By指定进行排名的数据范围进行分组统计排名。
注意：这里的partition by进行排名的数据范围，而不是SQL语句里的分组函数。

示例

• 数据集
  这里使用Oracle笔记 之 偏移量分析函数lag/lead-over函数中的数据集，但是依次分别对2022,2024,2026,2028,2030后的数据使用Update test_lagover Set dvalue = dvalue + 1 Where ymdate >= 202201;对dvalue值进行追加。
• rank()-over()
  按每个ymdate的dvalue统计值倒序，ymdate升序进行非连续性排名

Select rank() over(Order By Sum(dvalue) Desc, ymdate) rankid,
       ymdate,
       Sum(dvalue) dvalue
  From test_lagover
 Group By ymdate
# 结果
1	1	203001	310
2	2	203002	310
3	3	203003	310
4	4	203004	310
5	5	203005	310
6	6	203006	310
7	7	203007	310
8	8	203008	310
9	9	203009	310
10	10	203010	310
11	11	203011	310
12	12	203012	310
13	13	202801	290
14	14	202802	290
15	15	202803	290

按每个ymdate的dvalue统计值倒序进行非连续性排名

Select rank() over(Order By Sum(dvalue) Desc, ymdate) rankid,
       ymdate,
       Sum(dvalue) dvalue
  From test_lagover
 Group By ymdate
# 结果
1	1	203001	310
2	1	203004	310
3	1	203002	310
4	1	203012	310
5	1	203011	310
6	1	203007	310
7	1	203010	310
8	1	203008	310
9	1	203003	310
10	1	203005	310
11	1	203006	310
12	1	203009	310
13	13	202909	290
14	13	202902	290
15	13	202801	290

• dense_rank-over()
  按每个ymdate的dvalue统计值倒序，ymdate升序进行连续性排名
  注意：因为使用dvalue统计值倒序，ymdate升序进行排序后没有相同的统计结果，所有排序结果与’rank()-over()按每个ymdate的dvalue统计值倒序，ymdate升序进行非连续性排名’一致。

Select dense_rank() over(Order By Sum(dvalue) Desc, ymdate) rankid,
       ymdate,
       Sum(dvalue) dvalue
  From test_lagover
 Group By ymdate 
# 结果
1	1	203001	310
2	2	203002	310
3	3	203003	310
4	4	203004	310
5	5	203005	310
6	6	203006	310
7	7	203007	310
8	8	203008	310
9	9	203009	310
10	10	203010	310
11	11	203011	310
12	12	203012	310
13	13	202801	290
14	14	202802	290
15	15	202803	290

按每个ymdate的dvalue统计值倒序进行连续性排名

Select dense_rank() over(Order By Sum(dvalue) Desc, ymdate) rankid,
       ymdate,
       Sum(dvalue) dvalue
  From test_lagover
 Group By ymdate 
# 结果
1	1	203001	310
2	1	203004	310
3	1	203002	310
4	1	203012	310
5	1	203011	310
6	1	203007	310
7	1	203010	310
8	1	203008	310
9	1	203003	310
10	1	203005	310
11	1	203006	310
12	1	203009	310
13	2	202909	290
14	2	202902	290
15	2	202801	290

• rank()-over(partition by)
  划定排序的数据范围为ymdate所在的年份，并按照每个ymdate的dvalue统计值倒序进行非连续性排名
  注意：因为人造数据的问题每年度的每个ymdate数值一致所以看不出统计排名效果

Select rank() over(Partition By trunc(ymdate / 100) Order By Sum(dvalue) Desc) rankid,
       ymdate,
       Sum(dvalue) dvalue
  From test_lagover
 Group By ymdate
# 结果
1	1	202102	210
2	1	202106	210
3	1	202109	210
4	1	202105	210
5	1	202107	210
6	1	202108	210
7	1	202111	210
8	1	202101	210
9	1	202112	210
10	1	202103	210
11	1	202104	210
12	1	202110	210
13	1	202212	230
14	1	202201	230
15	1	202206	230

• dense_rank-over(partition by)
  划定排序的数据范围为ymdate所在的年份，并按照每个ymdate的dvalue统计值倒序进行连续性排名
  注意：因为人造数据的问题每年度的每个ymdate数值一致所以看不出统计排名效果

Select dense_rank() over(Partition By trunc(ymdate / 100) Order By Sum(dvalue) Desc) rankid,
       ymdate,
       Sum(dvalue) dvalue
  From test_lagover
 Group By ymdate
# 结果
1	1	202102	210
2	1	202106	210
3	1	202109	210
4	1	202105	210
5	1	202107	210
6	1	202108	210
7	1	202111	210
8	1	202101	210
9	1	202112	210
10	1	202103	210
11	1	202104	210
12	1	202110	210
13	1	202212	230
14	1	202201	230
15	1	202206	230