关闭

常用Oracle分析函数详解

120人阅读 评论(0) 收藏 举报
学习步骤:
1. 拥有Oracle EBS demo 环境 或者 PROD 环境
2. copy以下代码进 PL/SQL
3. 配合解释分析结果
4. 如果网页有点乱请复制到TXT中查看

/*假设一个经理代表了一个部门
*/
SELECT emp.full_name,
       emp.salary,
       emp.manager_id,
       row_number() over(PARTITION BY emp.manager_id ORDER BY emp.salary DESC) row_number_dept, --部门排行
       rownum row_number, --行号
       round((rownum + 1) / 4) page_number, --每4行一页
       ntile(2) over(ORDER BY emp.salary DESC) page_number_nt, --平均分成两类
      
       AVG(emp.salary) over(PARTITION BY emp.manager_id) avg_salary_department, --该部门薪水均值
       SUM(emp.salary) over(PARTITION BY emp.manager_id) sum_salary_department, --该部门薪水总额
       COUNT(emp.salary) over(PARTITION BY emp.manager_id) count_emp_department, --部门所有的员工
       dense_rank() over(PARTITION BY emp.manager_id ORDER BY emp.salary DESC) rank_salary_dept, --该人员的部门薪水排行
       dense_rank() over(ORDER BY emp.salary DESC) rank_salary_company, --该人员的全公司排行
      
       MIN(emp.salary) over(PARTITION BY emp.manager_id) min_salary_dept, --部门的最低薪水      
       MIN(emp.salary) keep(dense_rank FIRST ORDER BY emp.salary) over(PARTITION BY emp.manager_id) min_salary_dept_first, --部门的最低薪水
       first_value(emp.salary) over(PARTITION BY emp.manager_id ORDER BY emp.salary) min_salary_dept_firstv, --部门的最低薪水     
      
       MAX(emp.salary) over(PARTITION BY emp.manager_id) max_salary_dept, --部门的最高薪水
       MAX(emp.salary) keep(dense_rank LAST ORDER BY emp.salary) over(PARTITION BY emp.manager_id) max_salary_dept_last, --部门的最高薪水
       last_value(emp.salary) over(PARTITION BY emp.manager_id ORDER BY emp.salary) max_salary_dept_lastv, --部门的最高薪水
      
       lag(emp.full_name, 1, '00') over(ORDER BY emp.salary DESC) last_persion, --薪水在自己前一位的人
       lead(emp.full_name, 1, '00') over(ORDER BY emp.salary DESC) next_persion --薪水在自己后一位的人
  FROM fwk_tbx_employees emp
ORDER BY emp.salary DESC
  
  1. 基本概念理解
  
     分析函数
        1. 顾名思义,分析函数是在主查询结果的基础上进行一定的分析,如分部门汇总,分部门求均值等等。
     
     数据窗口
        1. Oracle 分析函数建立在所谓的数据窗口之上,数据窗口可以理解为一个数据集合。主查询的数据可以按照不同的标准分割成不同的数据集。比如partition BY manager_id
     按照manager_id将主查询的数据分成N(N代表有多少个不同的Manager_id)个不同的数据窗口。
        2. 其次,数据窗口内部还应该与一定的顺序通过 ORDER BY 实现
     
     分析函数和GROUP BY的区别和联系
        1. 分析函数的功能大部分都可以通过GROUP BY 来聚合完成
        2. 分析函数查询出来的行数是由主查询决定的,GROUP BY 的行数结果是由GROUP BY 后面的集合构成的唯一性组合决定的,通常比主查询的结果行数少。
         
     
  2. 典型格式详解
     
     SUM(emp.salary) over(PARTITION BY emp.manager_id) sum_salary_department, --该部门薪水总额
   
   功能简介:
     当前行对应人员所在部门的薪水总额
     AVG,count与之类似
     
   过程理解
     1. 首先将查询出来的数据集按照MANAGER_ID分割
     2. 查找到当前行的MANAGER_ID对应的数据集
     3. 对以上数据集合求和,生成一个结果附在新添加的列中
     
         
     dense_rank() over(PARTITION BY emp.manager_id ORDER BY emp.salary DESC) rank_salary_dept, --该人员的部门薪水排行
     
   功能简介:
     当前行对应人员在所在部门的薪水排名(不出现并列情况,相同的值也会依次有不同的排序,且排序连续)
     RANK 函数与之相反,要出现并列的情况啊,且并列将导致排名不连续如A和B并列第一,那么将没有第二名,而直接出现第三名
   过程理解
     1. 首先将查询出来的数据集按照MANAGER_ID分割
     2. 对当前行MANAGER_ID对应的数据集进行排序
     3. 将本行对应的行号提取并附在附加列中
     
     MIN(emp.salary) keep(dense_rank FIRST ORDER BY emp.salary) over(PARTITION BY emp.manager_id)  min_salary_dept_first, --部门的最低薪水
     
   功能简介:
     当前行对应人员在所在部门的最低薪水
     MAX函数与之类似
   过程理解
     1. 首先将查询出来的数据集按照MANAGER_ID分割
     2. 对当前行MANAGER_ID对应的数据集进行排序,提取最前面的行,最前面的行的值有相等的,那么返回多行
     3. 在返回的多行中,提取薪水最小的行,并提取salary字段
     
     first_value(emp.salary) over(PARTITION BY emp.manager_id ORDER BY emp.salary) min_salary_dept_firstv, --部门的最低薪水  
     
  功能简介:
     当前行对应人员在所在部门的最低薪水
     last_value与之相反,求的是最后一个值
   
   过程理解
     1. 首先将查询出来的数据集按照MANAGER_ID分割
     2. 对当前行MANAGER_ID对应的数据集进行排序
     3. 提取第一行的salary字段
     
     
   LAG(EMP.FULL_NAME, 1, '00') OVER (ORDER BY EMP.SALARY DESC)  LAST_PERSION, --薪水在自己前一位的人
     
   功能简介:
     总体薪水排名中,比自己高一位的人的名字
     lead 函数与之相反求的在自己后面的人
   
   参数介绍:
     LAG(p_segment, p_distance, p_defaualt_val)
     1. p_segment: 需要提取的字段
     2. p_distance:>=0的数,表示比当前人员前面了几位
     3. p_defaualt_val: 当当前行没有比它前的行的时候,显示默认值
   
   过程理解
     1. 首先将查询出来的数据集按照薪水进行降序排序
     2. 提取前p_distance位的p_segment字段
0
0

查看评论
* 以上用户言论只代表其个人观点,不代表CSDN网站的观点或立场
    个人资料
    • 访问:89468次
    • 积分:1540
    • 等级:
    • 排名:千里之外
    • 原创:9篇
    • 转载:390篇
    • 译文:0篇
    • 评论:2条
    最新评论