Datawhale开源学习SQL: 4. TASK05 SQL高级处理

开源地址：https://github.com/datawhalechina/wonderful-sql

窗口函数

概念及基本的使用方法

窗口函数也称为OLAP函数。OLAP是 OnLine AnalyticalProcessing 的简称，意思是对数据库数据进行实时分析处理。

常规的SELECT语句都是对整张表进行查询，而窗口函数可以让我们有选择的去某一部分数据进行汇总、计算和排序。

基本使用方法为

<窗口函数> OVER ([PARTITION BY <列名>]
                     ORDER BY <排序用列名>)  

[ ]内容不是必要的

窗口函数关键字

PARTITION BY

• 能够设定窗口对象范围。
• 分组效果类似于GROUP BY但不会改变表格数据

ORDER BY

• 指定窗口内按照哪一列、何种顺序进行排序。

种类

专用窗口函数

• RANK: 计算排序时，如果存在相同位次的记录，则会跳过之后的位次。E.g.: 1, 1, 1, 4
• DESC_RANK: 计算排序时，如果存在相同位次的记录，也不会跳过之后的位次。E.g.: 1, 1, 1, 2
• ROW_NUMBER: 赋予唯一的连续位次。E.g.: 1, 2, 3, 4

聚合函数

聚合函数在开窗函数中的使用方法和之前的专用窗口函数一样，只是出来的结果是一个累计的聚合函数值。
E.g.: 计算累积总和

SELECT  product_id
       ,product_name
       ,sale_price
       ,SUM(sale_price) OVER (ORDER BY product_id) AS current_sum
       ,AVG(sale_price) OVER (ORDER BY product_id) AS current_avg  
  FROM product;  

运行结果

应用1： 计算移动平均

第一反应是利用聚合函数。其实还可以指定更加详细的汇总范围。该汇总范围成为框架(frame)。

<窗口函数> OVER (ORDER BY <排序用列名>
                 ROWS n PRECEDING )  
                 
<窗口函数> OVER (ORDER BY <排序用列名>
                 ROWS BETWEEN n PRECEDING AND n FOLLOWING)

取数规则如下图所示，总共取到行数2+1+3=6行。

注意点：框架范围

-- 1
AVG(sale_price) OVER (ORDER BY product_id ROWS 2 PRECEDING) AS moving_avg

-- 2
AVG(sale_price) OVER (ORDER BY product_id 
ROWS BETWEEN 1 PRECEDING AND 1 FOLLOWING) AS moving_avg  

两个语句都是窗口长度为3的取平均，但是结果却不一样。
原因在于窗口框架范围不一样。下图左边为–1的框架范围，右边为–2的框架范围。

Result
– 1

– 2

窗口函数适用范围和注意事项

• 原则上，窗口函数只能在SELECT子句中使用。 窗口函数OVER 中的ORDER BY
• 子句并不会影响最终结果的排序。其只是用来决定窗口函数按何种顺序计算。

GROUPING运算符 ROLLUP - 计算合计及小计

常规的GROUP BY 只能得到每个分类的小计，有时候还需要计算分类的合计，可以用 ROLLUP关键字。
基本用法：

GROUP BY <列名s> WITH ROLLUP

E.g.:

SELECT  product_type
       ,regist_date
       ,SUM(sale_price) AS sum_price
  FROM product
 GROUP BY product_type, regist_date WITH ROLLUP; 

返回表格

结果有三层聚合：1. 全部合计；2. 根据product_type(<列1>)合计；3. 根据produc_type(<列1>)和regist_date(<列2>)合计。
以此推断，若group by三列，结果有4层聚合。

练习

1. 请说出针对本章中使用的 product（商品）表执行如下 SELECT 语句所能得到的结果。

SELECT  product_id
       ,product_name
       ,sale_price
       ,MAX(sale_price) OVER (ORDER BY product_id) AS Current_max_price
FROM product;

Current_max_price返回从最小的product_id到现在的produc_id所指向的商品最高价格

2. 继续使用product表，计算出按照登记日期（regist_date）升序进行排列的各日期的销售单价（sale_price）的总额。排序是需要将登记日期为NULL 的“运动 T 恤”记录排在第 1 位（也就是将其看作比其他日期都早）

SELECT product_id
	,product_name
    ,sale_price
    ,regist_date
    ,SUM(sale_price) OVER(PARTITION BY regist_date ORDER BY regist_date) AS Daily_sum_price
FROM product;

3. 思考题

① 窗口函数不指定PARTITION BY的效果是什么？

就不分类计算呗，只看ORDER BY的列

② 为什么说窗口函数只能在SELECT子句中使用？实际上，在ORDER BY 子句使用系统并不会报错。

本质上是因为SQL语句执行顺序：FROM > WHERE > GROUP BY > HAVING > SELECT > ORDER BY。如果在WHERE、GROUP BY、HAVING子句中使用窗口函数，则会先产生一次排序或聚合。但在执行WHERE、GROUP BY、HAVING各自的功能，极可能会打乱原本的顺序，导致发出错误使得窗口函数失去意义。