SQL：窗口函数（Window Functions）

目录

什么是窗口函数？

基本语法结构 

常见的窗口函数分类

1️⃣ 排名类函数

2️⃣ 聚合类函数（不影响原始行）

3️⃣ 值访问函数

窗口范围说明（ROWS / RANGE）

---

什么是窗口函数？

窗口函数是一类 SQL 函数，在不分组的情况下，可以对查询结果中的某一“窗口”范围内的数据进行计算。

不同于聚合函数（如 SUM, AVG），窗口函数不会压缩行，而是为每一行返回一个计算值。

基本语法结构 

<窗口函数>([参数]) OVER (
  [PARTITION BY 子句]
  [ORDER BY 子句]
  [ROWS 或 RANGE 子句]
)

• PARTITION BY: 把数据分组，每组内独立执行函数（类似 GROUP BY，但不合并行）。

• ORDER BY: 确定组内数据顺序。

• ROWS BETWEEN: 精确控制窗口范围（例如：过去3行）。

举例：

SELECT 
  department_id,
  employee_id,
  salary,
  RANK() OVER (PARTITION BY department_id ORDER BY salary DESC) AS rank_in_dept
FROM employees;

---

 

常见的窗口函数分类

1️⃣ 排名类函数

函数	描述
ROW_NUMBER()	每一组数据中按顺序分配唯一行号
RANK()	同分并列，跳跃排名（如：1,1,3）
DENSE_RANK()	同分不跳（如：1,1,2）
NTILE(n)	将结果分为 n 个桶，每行给出所属桶编号

1.ROW_NUMBER()

意义：按顺序为每行分配一个“唯一编号”。
名称：ROW_NUMBER = 行号。

语法示例：

ROW_NUMBER() OVER (PARTITION BY department_id ORDER BY salary DESC) AS row_num

用途：

• 对每个部门中员工薪资进行唯一编号（常用于分页、去重等）

2.RANK()

意义：返回排名，相同值并列排名，后续名次跳跃。
名称：RANK = 排名。

语法示例：

RANK() OVER (PARTITION BY department_id ORDER BY salary DESC) AS rank

salary	RANK
1000	1
1000	1
900	3

3.DENSE_RANK()

意义：与 RANK() 类似，但排名连续不跳跃。
名称：DENSE_RANK = 密集排名。

语法示例：

DENSE_RANK() OVER (PARTITION BY department_id ORDER BY salary DESC) AS dense_rank

salary	DENSE_RANK
1000	1
1000	1
900	2

4. NTILE(n)

意义：将数据平均分成 n 个桶，每行返回桶编号。
名称：NTILE = "N Tile"，即“分桶”。

语法示例：

NTILE(4) OVER (ORDER BY salary DESC) AS quartile

用途：

• 按工资水平将员工划分为四个档次（四分位分析）

---

2️⃣ 聚合类函数（不影响原始行）

函数	描述
SUM(), AVG(), MAX(), MIN()	聚合函数 + 窗口：在窗口范围内计算
COUNT()	窗口内的行数统计

5. SUM(expr)、AVG(expr)、MAX(expr)、MIN(expr)

意义：在窗口内执行聚合计算，但不影响原始行展示。
名称：

• SUM = 总和

• AVG = 平均

• MAX = 最大值

• MIN = 最小值

语法示例：

SUM(salary) OVER (PARTITION BY department_id ORDER BY hire_date) AS running_total

用途：

• 滚动汇总、组内对比等。

 

---

3️⃣ 值访问函数

函数	描述
LAG(expr, n, default)	返回当前行前第 n 行的值
LEAD(expr, n, default)	返回当前行后第 n 行的值
FIRST_VALUE(expr)	窗口中的第一个值
LAST_VALUE(expr)	窗口中的最后一个值

6. LAG(expr, offset, default)

意义：返回当前行的前 N 行的值。
名称：LAG = 滞后。

语法示例：

LAG(salary, 1, 0) OVER (PARTITION BY department_id ORDER BY hire_date) AS prev_salary

用途：

• 分析趋势、比较环比。

7. LEAD(expr, offset, default)

意义：返回当前行的后 N 行的值。
名称：LEAD = 领先。

语法示例：

LEAD(salary, 1, 0) OVER (PARTITION BY department_id ORDER BY hire_date) AS next_salary

用途：

• 预测未来、构建时间序列对比。

 8. FIRST_VALUE(expr)

意义：返回窗口中按排序后第一行的值。
名称：FIRST_VALUE = 第一个值。

语法示例：

FIRST_VALUE(salary) OVER (PARTITION BY department_id ORDER BY hire_date) AS first_salary

9. LAST_VALUE(expr)

意义：返回窗口中最后一行的值。
名称：LAST_VALUE = 最后一个值。

注意： LAST_VALUE 需要配合 ROWS BETWEEN UNBOUNDED PRECEDING AND UNBOUNDED FOLLOWING 才能获取整个分区最后一行值。

LAST_VALUE(salary) OVER (
  PARTITION BY department_id 
  ORDER BY hire_date 
  ROWS BETWEEN UNBOUNDED PRECEDING AND UNBOUNDED FOLLOWING
) AS last_salary

 

---

窗口范围说明（ROWS / RANGE）

ROWS 是基于物理行号

ROWS BETWEEN 2 PRECEDING AND CURRENT ROW

 RANGE 是基于值范围

RANGE BETWEEN INTERVAL 7 DAY PRECEDING AND CURRENT ROW

常见用途总结

场景	推荐函数
排名	ROW_NUMBER, RANK, DENSE_RANK
对比趋势	LAG, LEAD, FIRST_VALUE, LAST_VALUE
滚动汇总	SUM, AVG, COUNT + ROWS BETWEEN
分段统计	NTILE
时间窗口	RANGE BETWEEN