数据分析系列 17/32 | MySQL中的数据分析函数

在日常的数据分析工作中，我们可能会经常遇到类似这样的需求：环比如何计算？怎么样得到各部门工资排名前N名员工列表?查找各部门每 人工资占部门总工资的百分比？

 

对于这样的需求，使用传统的SQL实现起来比较困难。这类需求都有一个共同的特点，需要在单表中满足某些条件的记 录集内部做一些函数操作，不是简单的表连接，也不是简单的聚合可以实现的，通常会让写SQL的同学焦头烂额、绞尽 脑汁，费了大半天时间写出来一堆长长的晦涩难懂的自连接SQL，且性能低下，难以维护。 

要解决此类问题，最方便的就是使用窗口函数。

 

PART01

  MySQL窗口函数

MySQL从8.0开始支持窗口函数，这个功能在大多商业数据库和部分开源数据库中早已支持，有的也叫分析函数。 

什么叫窗口?  

窗口的概念非常重要，它可以理解为记录集合，窗口函数也就是在满足某种条件的记录集合上执行的特殊函数。对于每 条记录都要在此窗口内执行函数，有的函数随着记录不同，窗口大小都是固定的，这种属于静态窗口；有的函数则相反，不同的记录对应着不同的窗口，这种动态变化的窗口叫滑动窗口。 
窗口函数和普通聚合函数也很容易混淆，二者区别如下：

• 聚合函数是将多条记录聚合为一条；而窗口函数是每条记录都会执行，有几条记录执行完还是几条。

• 聚合函数也可以用于窗口函数中，这个后面会举例说明。
   
  下面是一个窗口函数的简单例子：

-- 按用户id分组，消费金额进行降序排select * FROM ( select id, order_money, member_id, create_time,       row_number() over(partition by member_id ORDER BY order_money desc) as row_num  from dm_order_2018) t;

上面例子中，row_number()over(partition by member_id order by order_money desc)这部分都属于窗口函数，它的功能是显示 每个用户按照订单金额从大到小排序的序号。

 

PART02

  窗口函数分类及语法

按照功能划分，可以把MySQL支持的窗口函数分为如下几类：

• 序号函数：row_number() / rank() / dense_rank()

• 分布函数：percent_rank() / cume_dist()

• 前后函数：lag() / lead()

• 头尾函数：first_val() / last_val()

• 其他函数：nth_value() / nfile()
  窗口函数语法：

window_function_name(expression)     OVER (        [partition_defintion]        [order_definition]        [frame_definition]    )PARTITION BY <expression>[{,<expression>...}] 以xx字段作为维度；ORDER BY <expression> [ASC|DESC], [{,<expression>...}] 以xx字段排序，默认升序；[frame_definition] frame_unit {<frame_start>|<frame_between>} 可以认为是更细分的累计。

先指定作为窗口函数的函数名，然后是OVER(…)，就算OVER里面没有内容，括号也需要保留。窗口函数的一个概念是当前行，当前行属于某个窗口，窗口由“[partition_defintion]”，“[order_definition]”，“[frame_definition]“确定。

partition_defintion
翻译过来应该是分区，语法是"PARTITION BY < expression>[{,< expression>…}]"，它会根据单个或者多个表达式的计算结果来分区（列名也是一种表达式，它的结果就是列名本身）。
在前面的例子中，结果中的每一行都有自己的分区。
frame_definition
 这里先讲frame_definition，可能应该是叫帧吧。它的作用是在分区里面再进一步细分窗口。语法是"frame_unit {< frame_start>|< frame_between>}"，
  frame_unit有两种，分别是ROWS和RANGE，由ROWS定义的frame是由开始和结束位置的行确定的，由RANGE定义的frame由在某个值区间的行确定。
如果只指定了frame的开始位置，那么结束位置就默认为当前行。frame_start有三种：
  UNBOUNDED PRECEDING: 区间的第一行
  N PRECEDING: 当前行之前的N行，N可以是数字，也可以是一个能计算出数字的表达式     CURRENT ROW: 当前行

frame_between的可以取的值如下：
  frame_start：如前面所列
  UNBOUNDED FOLLOWING：区间的最后一行
  N FOLLOWING：当前行之后的N行，N可以是数字，也可以是一个能计算出数字的表达式
如果没显式指定frame的话，MySQL会认为frame是“ROWS BETWEEN UNBOUNDED PRECEDING AND UNBOUNDED FOLLOWING”

今天分享下MySQL中的窗口函数，这对分析查询很有帮助，在工作中，可能会遇到各种百分比、排序、累积求和等需求需要进行窗口查询。明天举个具体案例来逐个讲解数据分析函数。

欢迎关注微信公众号，访问更多精彩：数据之魅。

如需转载，请联系授权，谢谢合作。