本次内容包括:
- 什么是窗口函数?
- 如何使用窗口函数?
- 其他专用窗口函数
- 案例:面试经典问题
- 案例:面试经典topN问题
一、什么是窗口函数
1、定义
窗口函数,也称为OLAP函数(Online Analytical Processing,联机分析处理),可以对数据库的数据进行实时分析处理。
2、窗口函数有什么用?
在日常工作中,经常会遇到需要在每组内排名,比如以下业务需求:
排名问题:每个部门按业绩来排名 topN问题:找出每个部门排名前N的员工进行奖励
面对这样的需求,就需要使用窗口函数
3、基本语法
<窗口函数> over
(partition by <用于分组的列名>
order by <用于排序的列名>)
<窗口函数>的位置,可以放以下两种函数: 1. 专用窗口函数,包括rank,dense_rank,row_number等专用窗口函数 2. 聚合函数,如sum,avg,count,max,min等
由于窗口函数是对where或者group by子句处理后的结果进行操作,所以窗口函数原则上只能写在select子句中。
二、如何使用窗口函数?
1、专用窗口函数rank
以此表为例
![42a3a5c07f5d9d5df5a8c917efaf1058.png](https://i-blog.csdnimg.cn/blog_migrate/df8e4015d9de1414e71e3ddb8c5e5f65.png)
如果需要按每个班级内成绩排名,得到下面的结果
![06cc4c9ec1300bceeadcc39044bf6b05.png](https://i-blog.csdnimg.cn/blog_migrate/1520eb92cf453e60b4c2847ada8f1c87.jpeg)
以班级“1”为例,这个班级的成绩“95”排在第1位,这个班级的“83”排在第4位,对应的SQL语句如下
select *,rank() over(
partition by 班级
order by 成绩 desc) as ranking
from 成绩表
分析过程: 问题“每个班级内按成绩排名”可以拆分成两个部分:
- 每个班级内:按班级分组
partition by用于对表分组。这个例子中用于分组的字段为“班级”
- 按成绩排名
order by用于对分组后的结果进行排序。默认是升序(asc),加入关键字desc可指定为降序排列。
下图说明了partition by和order by的作用
![99ee465f65c56c9296c42a09146d5bd6.png](https://i-blog.csdnimg.cn/blog_migrate/23402b61cf015536927a74d2ea5e049d.jpeg)
2、为什么要用窗口函数?
问:group by和order by子句同样具有分组和排序的功能, 为什么还要用窗口函数?
答:因为group by分组汇总改变了表的行数,一行只有一个类别;而partition by和rank函数不会减少原表中的行数。
![408bc9d46998a5c4bba28f8562ecbf52.png](https://i-blog.csdnimg.cn/blog_migrate/049319443d14ff2447cceefd11c5a995.jpeg)
3、“窗口函数”这个名字的由来
partition by分组后产生的结果称为“窗口”,表示“范围”的意思。
4、窗口函数的功能
- 同时具有分组和排序的功能
- 不减少原表的行数
三、其他专用窗口函数
包括了rank,dense_rank,row_number函数
举例说明:
select *,rank()over(
order by 成绩 desc) as ranking,
dense_rank()over(
order by 成绩 desc) as dense_rank,
row_number()over(
order by 成绩 desc) as row_num #注意别名不可与窗口函数同名,否则报错
from 成绩表
得到的结果如下:
![486014a5fd9a6a2a693768715358265e.png](https://i-blog.csdnimg.cn/blog_migrate/589d1cec46a1d735ea979ea44fd2ff86.png)
从结果可以看出:
rank函数:例子中显示5、5、5、8。即 当出现有并列名次的行,会占用下一个名次的位置。比如正常排名是1,2,3,4,但如果前三名是并列的话,结果会是1,1,1,4。
dense_rank函数:例子中显示5、5、5、6。即 当出现有并列名次的行,不占用下一名次的位置。比如正常排名是1,2,3,4,如果前3名是并列的话,结果会是1,1,1,2。 row_number函数:这个例子中是5、6、7、8。也就是 不考虑并列名次的情况。如果前3名是并列的话,排名是正常的1,2,3,4。
总结:这三个函数的区别是:
![8d7ed7a3358a2d7c232e7d77c4e27735.png](https://i-blog.csdnimg.cn/blog_migrate/786abc2b07f915bcc3fcf40bb9c67dc9.png)
需要强调的一点是,在这三个专用窗口函数中,函数后面的括号不需要任何参数,保持()空着就可以了。
案例:经典排名问题
给出一个成绩表,里面记录了每个学生学号、所在班级和对应的成绩。
问:按成绩的高低进行排名(如果两个分数相同,排名是并列的)
解题思路:
- 涉及排名问题,使用窗口函数
- 分清楚窗口函数ran(),dense_rank(),row_number之间的区别
- 正确选择所需的窗口函数
SELECT *,dense_rank() over(
ORDER BY 成绩 DESC)as 按成绩排名
from 成绩表
得到的结果是:
![8e8bd680bca1deab6a1e5437ebb34eda.png](https://i-blog.csdnimg.cn/blog_migrate/a7567e7cff62aa91865365162d6210b6.png)
Tips:
涉及分数排名问题时,需选择dense_rank函数,因为相同的分数并列之后,下一个名次应该是下一个连续的整数值。
案例:经典TopN问题
问题举例:
- 如何找到每个类别下用户最喜欢的产品是哪个?
- 如何找到每个类别下用户点击最多的5个商品是什么?
这类问题可以归类为:分组取每组最大值、最小值,每组最大的N条(Top N)记录。
以下面这个成绩表为例
![5d1187b2ff11b26945dfce8fdad7bb14.png](https://i-blog.csdnimg.cn/blog_migrate/835123f9b0df9a13b6c3b5c3d38ceb66.png)
1、分组取每组最大值
案例:按课程号分组取成绩最大值所在行的数据
我们可以使用分组(group by)和汇总函数max得到每个组中的最大值,但是无法得到最大值所在行的数据。
SELECT 课程号,max(成绩)
from Score
GROUP BY 课程号
得到的结果如下:
![67c11873689bddc49b049488836c8165.png](https://i-blog.csdnimg.cn/blog_migrate/e3efde4a28381bf1305ca2cb0666f379.png)
在这种情况下,我们可以用关联子查询来实现查找最大值所在行数据的目的
SELECT *
from Score as a
where 成绩=(
SELECT max(成绩)
from Score as b
where b.课程号=a.课程号
)
得到的结果如下:
![7b596d9b79ddbd46ba3afdf18e012937.png](https://i-blog.csdnimg.cn/blog_migrate/34b90746dfa172f3fc5e1958e3846eed.png)
2、分组取每组最小值
案例:按课程号分组取成绩最小值所在行的数据
SELECT *
from Score as a
where 成绩=(
SELECT min(成绩)
from Score as b
where b.课程号=a.课程号
)
得到的结果如下:
![4ef298e1a6246e4d00d147932f1ac693.png](https://i-blog.csdnimg.cn/blog_migrate/118890c3428a55d740650ad871cd5bf1.png)
3、每组最大的N条记录
案例:现有“成绩表”,记录了每个学生各科的成绩。表内容如下。
问:查找每个学生成绩最高的2个科目
SELECT *,row_number() over(
partition by 姓名 order by 成绩 desc) as ranking
from 各科成绩表
得到的结果如下:
![385db185836da8328eb8cafa7515f3cd.png](https://i-blog.csdnimg.cn/blog_migrate/fc193ded3210a11f8a36dbd23d933b59.png)
每个学生的排名情况都得出来之后,再取排名前两位的行作为结果输出即可。此时可以用到子查询,把第一步得到的结果作为一个新的表
SELECT *
from(
SELECT *,row_number() over(
partition by 姓名 order by 成绩 desc) as ranking
from 各科成绩表
) as a #此处需要给表取一个别名,否则会报错
where ranking<=2;
![8785ae421f3b96f8d4436ad45a693bc3.png](https://i-blog.csdnimg.cn/blog_migrate/55f66b21a7da4d7e474648df450ad61c.png)
举一反三:
经典的topN问题涉及到“即要分组,又要排序”的情况,要想到用窗口函数来实现。
将本体的where子句的条件修改成为N,就是这类问题的一个万能模板
#topN问题万能模板
SELECT *
from(
SELECT *,row_number() over(
partition by 要分组的列名 order by 要排序的列名 desc) as ranking
from 表名
) as a #生成的表需要一个别名
where ranking<=N;
四、聚合函数作为窗口函数
1.如何使用?
聚合窗口函数和专用窗口函数用法完全相同,只需要将聚合函数写在窗口函数的位置即可,但函数后面的括号里面不能为空,需要指定聚合的列名。
举例说明:
select *,
sum(成绩)over(order by 学号)as current_sum,
avg(成绩)over(order by 学号)as current_avg,
count(成绩)over(order by 学号)as current_count,
max(成绩)over(order by 学号) as current_max,
min(成绩)over(order by 学号) as current_min
from 成绩表
输出结果如下:
![62940c5a24f2cadb65c2a3104838cbe6.png](https://i-blog.csdnimg.cn/blog_migrate/9f9214f6774d168a3ebd2735d689914f.jpeg)
从结果中可以看到,聚合函数(求和、平均、计数、最大最小值等)都是针对自身记录、以及自身记录以上的所有数据进行计算。如0005号的sum函数,是对0001,0002,0003,0004,0005号的成绩进行求和,再输出结果。
2.有什么用?
聚合函数作为窗口函数,可以在每行数据里直观地看到,截止到本行数据的统计情况,同时可以看到每行数据对整体统计数据的影响。
案例:如何在每个组里比较?
题目:现有一个成绩表(包括姓名、科目、成绩)
问:查找单科成绩高于该科目平均成绩的学生名单
解题思路:涉及每个科目的比较,需要用到分组。而能够实现分组功能的函数有两个,一个是group by子句,一个是窗口函数partition by。
由于group by分组汇总后会改变表的行数,我们选择使用窗口函数partition by
解题过程:
第一步:求出各科目的平均成绩
select *,
avg(成绩) over(partition by 科目) as avg_score
from 各科成绩表
得出结果如下:
![92595074eeb96b864202da371bfcef5c.png](https://i-blog.csdnimg.cn/blog_migrate/2c9d146bd0b8a9d1f811289334910fff.jpeg)
第二步:将成绩与平均成绩进行比较,筛选出成绩高于平均成绩的行
SELECT *
from (select *,
avg(成绩) over(partition by 科目) as avg_score
from 各科成绩表) as b
where 成绩> avg_score
输出结果如下:
![e46f2f69db9ca949dc18ab15ebe3ff7a.png](https://i-blog.csdnimg.cn/blog_migrate/563488ce7f82469beb7b3b3ecbdf0667.png)
需要注意的是,第二步必须用到子查询,因为涉及到sql语句的运行顺序,存在于第一步select子句中的avg_score列无法直接与成绩列进行比较。
总结:
查找每个组里大于平均值的数据,可以使用两种方法
- 使用以上窗口函数来实现
- 使用复杂查询中的关联子查询
五、窗口函数的移动平均
1.移动平均是什么?
举例说明
SELECT *,avg(成绩)over(ORDER BY 学号 rows 2 preceding) as current_avg
from 成绩表
输出结果为:
![bfa20aea1388e3dac79811e75c199b62.png](https://i-blog.csdnimg.cn/blog_migrate/3ecffb606baff901add8f4a51616e22c.png)
代码中的 rows ...preceding关键字是“之前...行”的意思,如rows 2 preceding就是指自身以及前两行的数据。
![3dc1116844734570f5a06215a71c9c29.png](https://i-blog.csdnimg.cn/blog_migrate/2aa7c6ba87dc34602edcef357ec7734f.jpeg)
如图所示,current_avg每一行的结果,都是当前行和前面2行的平均值。
想要计算当前行与前n行(共n+1行)的平均时,只需要调整rows...preceding中间的数字即可。
需要注意的是,在移动平均中,被选出的数据构成一个“框架”。如上面的0002、0003、0004的成绩数据,就构成了一个“框架“。
2.移动平均有什么用?
通过preceding关键字调整作用范围,在以下场景中非常适用:
- 在公司业绩名单排名中,可以通过移动平均,直观地看到与相邻名次业绩的平均、求和等统计数据。
六、总结
1.注意事项
partition子句可以省略,省略就是不指定分组。
举例说明
select *,rank() over (order by 成绩 desc) as ranking
from 成绩表
输出结果如下:
![af2c6954bfa825018b001f6cadf7b162.png](https://i-blog.csdnimg.cn/blog_migrate/1b8ead298294d971ae542f10fd54b918.png)
2.窗口函数总结
- 窗口函数语法
‹窗口函数› over (
partition by ‹用于分组的列名›
order by ‹用于排序的列名›)
<窗口函数>的位置可以放两种函数:
专用窗口函数,比如rank,dense_rank,row_number等,此时函数后面的括号不用填
聚合函数,如sum,avg,count,max,min等,此时函数后面的括号里面要指定列名
2. 窗口的功能
同时具有分组和排序的功能;不减少原表的行数,可以用来给组内排名
3. 注意事项
窗口函数原则上只能写在select子句中
4. 窗口函数使用场景
1)经典topN问题: 找出每个部门排名前N的员工
2) 经典排名问题:“每组内排名”问题,如每个部门按业绩来排名
3) 在每个组里比较的问题:如查找每个组里大于平均值的数据