SQL窗口函数不懂？五大应用场景让你一步到位

公众号: 数据小斑马,关注即可获得价值1000元的数据分析学习资料

SQL系列目录（文末有大礼赠送）：
SQL技巧初级系列①—建表/更新表/删除表
SQL技巧初级系列②—聚合和排序（group by,having,order by)
SQL技巧初级系列③——数据拼接（集合运算union和列连接join)
SQL技巧中级系列①——字符串函数的使用
SQL技巧中级系列②——日期函数的使用
SQL技巧高级系列②——聚合函数和CASE WHEN的使用

在窗口分析函数出现之前，存在很多 SQL 难以解决的问题，很多都要通过复杂的相关子查询完成，或到Excel中用函数处理

2003年ISO SQL标准加入了窗口分析函数，使得这些难题轻松被攻克，大大提升了效率，减少了Excel卡死导致前功尽弃的情况

本文从聚合/排序/极值/移动/切片五大场景来讲解窗口分析函数

窗口分析函数，可以指定数据窗口进行统计分析，它和普通聚合函数的区别：

① 窗口函数对每个组返回多行，而聚合函数对每个组只返回一行
② 窗口函数指定了分析函数工作的数据窗口大小，这个数据窗口大小可能会随着行的变化而变化，而聚合函数是针对所有数据进行统计

窗口函数写法：
函数( ) over (partition by 列名2 order by 列名3 rows between n/unbounded preceding and m following/current row )

函数( ) ——按列名进行统计，排序可以不写列名

partition by——按列名进行分组，如果不指定partition by，则不需要分组

order by——按列名进行排序，如果不指定order by，则将分组内所有值累加

rows_between——限定统计窗口大小，如果不指定rows between，默认从起点到当前行

① preceding:往前

② following：往后

③ current rows：当前行

④ unbounded preceding：起点行

⑤ unbounded following：终点行

⑥ rows between unbounded preceding and current row 是最常用的定位框架，可以省略

有了初步的语法了解，下面以某店铺2019年的销量为例来讲解五大应用，表名为 sale_detail，你准备好了吗？

一、聚合

公众号: 数据小斑马,关注即可获得价值1000元的数据分析学习资料

1、店铺19年总销量(sum)
sum是求和，over()没有参数，则对所有数据进行求和，输出的结果都是5800

select a.*, sum(sale)over() as total_sale from sale_detial a

2、店铺19年每个level总销量(sum)

用level分组求和，则每个level的输出结果一致

select a.*,
sum(sale)over() as total_sale,
sum(sale)over(partition by level) as level_sale from sale_detial a