【分析函数】一文遍识开窗函数

已于 2023-02-20 18:42:50 修改
阅读量1.1k 收藏 5
点赞数 1
分类专栏： 数据库 文章标签： 数据库 oracle
于 2022-12-28 16:54:55 首次发布
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/weixin_41878387/article/details/128470975
版权

引言

数据库中的窗口函数也叫分析函数，顾名思义，窗口函数可用于一些复杂的统计分析计算，另外，窗口函数还具有优越的性能表现，可以节约时间和资源，因此窗口函数经常用于数据仓库和大型报表应用中。

为了先对窗口函数有个大概了解，以诸位sqlboy比较熟悉的聚合函数（count、sum等）作为对比，聚合函数为每个分组返回一行数据，但窗口函数可以为每个分组返回多行数据，不仅如此，分析函数可以通过物理间隔或逻辑间隔来框定用于计算的窗口范围，可以实现比聚合函数复杂得多的计算，比如可以跨行引用值、生成多层聚集以及对数据进行更细粒度的操作。


窗口函数的结构

窗口函数由四部分组成，分别是分析函数名、分区子句、排序子句和开窗子句，语法结构为：

FUNCTION_NAME(argument1,argument2 ...) OVER([Partition-By-Clause] [Order-By-Clause] [Windowing-Clause])

对于开窗子句 [Windowing-Clause] ，进一步展开如下

[Rows | Range] BETWEEN <Start expr> AND <End expr>

其中，<Start expr> 有如下几种关键字形式

[UNBOUNDED PRECEDING |CURRENT ROW |n PRECEDING |n FOLLOWING]

<End expr> 有如下几种关键字形式

[UNBOUNDED FOLLOWING |CURRENT ROW |n PRECEDING |n FOLLOWING]

语法注解：

  • FUNCTION_NAME：分析函数名称，Oracle中目前有30个左右的分析函数

    • argument：分析函数的参数，依具体函数而定，参数可以是字段名或表达式

  • OVER：标识分析函数的关键字，函数名后面跟上OVER表示这是一个窗口函数

    • Partition-By-Clause：分区子句，类似聚合函数的group by，数据按Partition by定义的分区列来分区(组)，所有分区列相同的数据行会被分到同一个分区，分区的数据会按分区列进行排序。分区子句是可选的，如果没有显示指定，则默认将所有数据行作为一个单一的大区。
    • Order-By-Clause：排序子句，可选。排序子句按给定的排序列来对分组的数据行进行排序，每个排序字段后面可以指定升序(ASC)或降序(DESC)。对于存在空值null的排序列，可以使用NULLS FIRST将空值排到最上面或使用NULLS LAST将空值排到最下面。
    • Windowing-Clause：窗口子句划定分析函数进行计算时的数据子集，这个数据子集对应的窗口可以是动态的滑动窗口，滑动窗口的上下边界依排序后的分区数据集且通过 [Rows | Range] 配合 <Start expr> / <End expr> 的几种关键字指定，其中Rows通过与当前行数的比较来指定物理窗口范围，Range通过与当前行值的比较来指定逻辑窗口范围。如果不显示指定窗口子句，默认为 Rows Between Unbounded Preceding and Current Row 。注意不是所有分析函数都支持窗口子句。

窗口函数的使用

下面以实例来讲解分析函数的使用，使用的数据库环境为Oracle。在此之前，先造一些客户消费情况的测试数据

--建表
create table test1(
  CUS_NO varchar2(10),    --客户编号
  AGE int,                --年龄
  TRAN_MONTH varchar2(6), --交易月份
  TRAN_DATE date,         --交易日期
  TRAN_AMT numeric(20,2)  --交易金额
);
--插入测试数据
insert into test1(CUS_NO,AGE,TRAN_MONTH,TRAN_DATE,TRAN_AMT) values('cus_101028',28,'201910',to_date('20191012', 'YYYYMMDD'),880.00);commit;
insert into test1(CUS_NO,AGE,TRAN_MONTH,TRAN_DATE,TRAN_AMT) values('cus_101028',28,'201910',to_date('20191013', 'YYYYMMDD'),69.00);commit;
insert into test1(CUS_NO,AGE,TRAN_MONTH,TRAN_DATE,TRAN_AMT) values('cus_101028',28,'201910',to_date('20191014', 'YYYYMMDD'),128.00);commit;
insert into test1(CUS_NO,AGE,TRAN_MONTH,TRAN_DATE,TRAN_AMT) values('cus_101028',28,'201910',to_date('20191015', 'YYYYMMDD'),12.00);commit;
insert into test1(CUS_NO,AGE,TRAN_MONTH,TRAN_DATE,TRAN_AMT) values('cus_101028',28,'201910',to_date('20191016', 'YYYYMMDD'),99.00);commit;
insert into test1(CUS_NO,AGE,TRAN_MONTH,TRAN_DATE,TRAN_AMT) values('cus_101028',28,'201910',to_date('20191018', 'YYYYMMDD'),199.00);commit;
insert into test1(CUS_NO,AGE,TRAN_MONTH,TRAN_DATE,TRAN_AMT) values('cus_101028',28,'201910',to_date('20191020', 'YYYYMMDD'),28.00);commit;
insert into test1(CUS_NO,AGE,TRAN_MONTH,TRAN_DATE,TRAN_AMT) values('cus_101028',28,'201911',to_date('20191101', 'YYYYMMDD'),39.00);commit;

insert into test1(CUS_NO,AGE,TRAN_MONTH,TRAN_DATE,TRAN_AMT) values('cus_101029',null,'201910',to_date('20191012', 'YYYYMMDD'),33.00);commit;
insert into test1(CUS_NO,AGE,TRAN_MONTH,TRAN_DATE,TRAN_AMT) values('cus_101029',null,'201910',to_date('20191013', 'YYYYMMDD'),28.00);commit;
insert into test1(CUS_NO,AGE,TRAN_MONTH,TRAN_DATE,TRAN_AMT) values('cus_101029',null,'201910',to_date('20191014', 'YYYYMMDD'),120.00);commit;
insert into test1(CUS_NO,AGE,TRAN_MONTH,TRAN_DATE,TRAN_AMT) values('cus_101029',null,'201910',to_date('20191015', 'YYYYMMDD'),230.00);commit;
insert into test1(CUS_NO,AGE,TRAN_MONTH,TRAN_DATE,TRAN_AMT) values('cus_101029',null,'201910',to_date('20191016', 'YYYYMMDD'),129.00);commit;
insert into test1(CUS_NO,AGE,TRAN_MONTH,TRAN_DATE,TRAN_AMT) values('cus_101029',null,'201911',to_date('20191102', 'YYYYMMDD'),321.00);commit;
insert into test1(CUS_NO,AGE,TRAN_MONTH,TRAN_DATE,TRAN_AMT) values('cus_101029',null,'201911',to_date('20191103', 'YYYYMMDD'),25.00);commit;
insert into test1(CUS_NO,AGE,TRAN_MONTH,TRAN_DATE,TRAN_AMT) values('cus_101029',null,'201911',to_date('20191104', 'YYYYMMDD'),89.00);commit;
insert into test1(CUS_NO,AGE,TRAN_MONTH,TRAN_DATE,TRAN_AMT) values('cus_101029',null,'201911',to_date('20191105', 'YYYYMMDD'),60.00);commit;

insert into test1(CUS_NO,AGE,TRAN_MONTH,TRAN_DATE,TRAN_AMT) values('cus_101030',35,'201910',to_date('20191015', 'YYYYMMDD'),260.00);commit;
insert into test1(CUS_NO,AGE,TRAN_MONTH,TRAN_DATE,TRAN_AMT) values('cus_101030',35,'201910',to_date('20191016', 'YYYYMMDD'),320.00);commit;
insert into test1(CUS_NO,AGE,TRAN_MONTH,TRAN_DATE,TRAN_AMT) values('cus_101030',35,'201910',to_date('20191016', 'YYYYMMDD'),180.00);commit;
insert into test1(CUS_NO,AGE,TRAN_MONTH,TRAN_DATE,TRAN_AMT) values('cus_101030',35,'201910',to_date('20191017', 'YYYYMMDD'),100.00);commit;
insert into test1(CUS_NO,AGE,TRAN_MONTH,TRAN_DATE,TRAN_AMT) values('cus_101030',35,'201910',to_date('20191018', 'YYYYMMDD'),40.00);commit;

测试数据如下图所示


在这里插入图片描述


分区子句的使用

需求：统计每个客户的消费总额

说明：要统计每个客户的消费总额，通过聚合函数sum即可解决，但得到的是每个客户一行结果，使用窗口函数则可以在保留原来数据行的基础上增加一列统计列。

--统计每个客户的消费总额
select CUS_NO,AGE,TRAN_MONTH,TRAN_DATE,TRAN_AMT
      ,sum(TRAN_AMT) over(partition by CUS_NO) as total_amt --每个客户的消费总额
      ,sum(TRAN_AMT) over(partition by CUS_NO,TRAN_MONTH) as month_total_amt --每个客户每个月的消费总额
from test1
;

上面代码中，使用分区子句 partition by CUS_NO 将数据集按每个不同的客户编号来分组，然后汇总交易金额即可得到每个客户的消费总额。由于没有指定排序子句和窗口子句，所以仅会使用分区列(CUS_NO)作为排序字段应用到默认的窗口子句 Rows Between Unbounded Preceding and Current Row 中，默认的窗口子句表示滑动窗口范围为从第一行到当前行，此处分区列只有CUS_NO，即每个分区里的CUS_NO都一样，因此对每一行来说，滑动窗口都是整个分区；

使用分区子句 partition by CUS_NO,TRAN_MONTH 将数据集按每个不同的客户编号+交易月份来分组，然后汇总交易金额即可得到每个客户每个月的消费总额。


在这里插入图片描述


排序子句的使用

需求：统计每个客户逐日累计的消费金额

说明：统计每个客户从第一个消费日开始逐日累计的消费金额，比如某个客户在2019-10-15这一天第一次消费，则这个客户到这一天的累计消费金额就是2019-10-15这一天的消费金额，如果这个客户在2019-10-16又消费了一笔，则这个客户到2019-10-16这一天的累计消费就是2019-10-15的消费金额加上2019-10-16的消费金额，以此类推。

--统计每个客户逐日累计的消费金额
select CUS_NO,AGE,TRAN_MONTH,TRAN_DATE,TRAN_AMT
      ,sum(TRAN_AMT) over(partition by CUS_NO order by TRAN_DATE) as total_amt --统计每个客户逐日累计的消费金额
from test1
;

上面代码中，在排序子句 order by TRAN_DATE 中，按交易日期正序排序，由于没有显示指定窗口子句，因此使用默认的窗口子句 Rows Between Unbounded Preceding and Current Row ，这个窗口子句配合正序排序的交易日期，表示滑动窗口范围为每个分区中第一行的日期到当前行的日期对应的数据子集，个中区别可以由下图中红框处两笔相同日期的交易统计看出。


在这里插入图片描述


窗口子句的使用

需求：统计每个客户每个交易日期及其前后一天的消费总额

说明：比如某个客户在2019-10-15、2019-10-16、2019-10-17几天有消费，对于这个客户在2019-10-15这一天，统计的消费金额包括当天以及前一天和后一天的的加总，即2019-10-15+2019-10-16的消费金额(因为2019-10-15是头一次消费，所以没有前一天)；对于这个客户在2019-10-16这一天，统计的消费金额包括当天以及前一天和后一天的的加总，即2019-10-15+2019-10-16+2019-10-17的消费金额，其他的以此类推。

要实现这个需求，需要用到窗口子句，由于客户的消费日期并不总是连续的，所以需要使用窗口子句中的 Range 配合 n PRECEDING 和 n FOLLOWING 来实现。

--统计每个客户每个交易日期及其前后一天的消费总额
select CUS_NO,AGE,TRAN_MONTH,TRAN_DATE,TRAN_AMT
      ,sum(TRAN_AMT) over(partition by CUS_NO order by TRAN_DATE range between 1 preceding and 1 following ) as range_total_amt --统计每个客户每个交易日期及其前后一天的消费总额
      ,sum(TRAN_AMT) over(partition by CUS_NO order by TRAN_DATE rows between 1 preceding and 1 following ) as rows_total_amt --rows作为对比
from test1
;

上面代码中，在窗口子句中使用 range between 1 preceding and 1 following 表示滑动窗口为当前行的日期以及这个日期减去1天和加上1天对应的这个日期范围内的消费金额加总。从下图红框的交易日期2019-10-16对应的range_total_amt结果可以看出，因为2019-10-16前后没有连续的交易日期，因此这一天的前后1天都没有数据，使用range计算出来的就只是这一天的消费金额。

但如果窗口子句中使用的是 Rows ，则表示滑动窗口为当前行的日期以及这个日期上面一行的容器和下面一行的日期的消费金额加总，这里展现出的窗口子句中的range和rows的区别，就是上面说的 Rows通过与当前行数的比较来指定物理窗口范围，Range通过与当前行值的比较来指定逻辑窗口范围 这个区别。


在这里插入图片描述


常用的分析函数

函数名描述是否支持窗口子句
sum统计给定分区与窗口范围的数据的和支持
count统计给定分区与窗口范围的数据的条数，可以配合distinct一起使用，但要注意有些数据库不支持distinct的使用支持
avg统计给定分区与窗口范围的数据的均值支持
max统计给定分区与窗口范围的数据的最大值支持
min统计给定分区与窗口范围的数据的最小值支持
lag访问一个分区或结果集中之前的n行，n可由函数的参数指定不支持
lead访问一个分区或结果集中之后的n行，n可由函数的参数指定不支持
first_value访问一个分区或结果集中的第一行支持
last_value访问一个分区或结果集中的最后一行支持
nth_value访问一个分区或结果集中的任意一行支持
row_number对行进行排序并为每一行增加一个唯一编号不支持
rank将数据行值按照排序后的顺序进行排名，在有并列的情况下排名值将被跳过不支持
dense_rank将数据行值按照排序后的顺序进行排名，在有并列的情况下也不跳过排名值不支持
listagg将来自多行的列值以给定分隔符转化为一行的列表形式不支持

count、avg、min、max几个函数的开窗用法与sum一样；row_number、rank、dense_rank较为简单，在下面一些示例中都会用到，按下不表。


lag与lead函数

lag与lead函数都可以实现跨行引用，语法如下：

lag( col [,n1] [,n2] ) over( [partition-by-clause] order-by-clause )
lead( col [,n1] [,n2] ) over( [partition-by-clause] order-by-clause )

lag与lead函数可以传入三个参数，lag可以返回按排序子句排序后指定列的前n1行的值(如果不指定n1，则默认为1)；lead可以返回按排序子句排序后指定列的后n1行的值。如果不存在可以指定值n2，否则默认为空值null。lag与lead函数中排序子句是必要的。

lag函数常用于同比、环比的计算。

为了演示lag与lead的用法，造一些客户月度消费数据。

--建表
create table test2(
  CUS_NO varchar2(10),    --客户编号
  TRAN_MONTH varchar2(6), --交易月份
  TRAN_AMT numeric(20,2)  --交易金额
);

--插入测试数据
insert into test2(CUS_NO,TRAN_MONTH,TRAN_AMT) values('cus_101028','201910',1415.00);commit;
insert into test2(CUS_NO,TRAN_MONTH,TRAN_AMT) values('cus_101028','201911',39.00);commit;
insert into test2(CUS_NO,TRAN_MONTH,TRAN_AMT) values('cus_101028','201912',580.00);commit;
insert into test2(CUS_NO,TRAN_MONTH,TRAN_AMT) values('cus_101028','202010',915.00);commit;
insert into test2(CUS_NO,TRAN_MONTH,TRAN_AMT) values('cus_101028','202011',1200.00);commit;
insert into test2(CUS_NO,TRAN_MONTH,TRAN_AMT) values('cus_101028','202012',800.00);commit;

insert into test2(CUS_NO,TRAN_MONTH,TRAN_AMT) values('cus_101029','201910',540.00);commit;
insert into test2(CUS_NO,TRAN_MONTH,TRAN_AMT) values('cus_101029','201911',495.00);commit;
insert into test2(CUS_NO,TRAN_MONTH,TRAN_AMT) values('cus_101029','201912',360.00);commit;
insert into test2(CUS_NO,TRAN_MONTH,TRAN_AMT) values('cus_101029','202001',990.00);commit;
insert into test2(CUS_NO,TRAN_MONTH,TRAN_AMT) values('cus_101029','202011',190.00);commit;

insert into test2(CUS_NO,TRAN_MONTH,TRAN_AMT) values('cus_101030','201910',990.00);commit;
insert into test2(CUS_NO,TRAN_MONTH,TRAN_AMT) values('cus_101030','201911',330.00);commit;
insert into test2(CUS_NO,TRAN_MONTH,TRAN_AMT) values('cus_101030','202001',560.00);commit;

测试数据如下图所示


在这里插入图片描述


比如想统计每个客户月度消费的环比增长率，公式为 月度消费环比增长率 =（当月消费金额－上月消费金额）／上月消费金额 ×100%

客户月度消费的同比增长率，公式为 月度消费同比增长率 =（当月消费金额－去年同期消费金额）／去年同期消费金额 ×100%

为了计算环比、同比增长率，需要获取每个月对应的上个月、去年同期的消费金额。

--上面造的客户月度消费数据，有一些月份缺失，直接使用lag或lead会有问题(因为lag和lead是按行数引用的)，需要补齐缺失的月份，对于缺失的月份，消费金额置为空null。利用下面的脚本来补齐每个客户的消费月份。
create table test3 as
select coalesce(a.CUS_NO,b.CUS_NO) as CUS_NO,coalesce(a.TRAN_MONTH,b.TRAN_MONTH) as TRAN_MONTH,a.TRAN_AMT
from test2 a
full join (
    select distinct b.CUS_NO,to_char(a.date_list,'YYYYMM') as TRAN_MONTH
    from (
        select to_date('20191001', 'YYYYMMDD') + rownum - 1 as date_list
        from dual
        connect by rownum<=(to_date('20201201', 'YYYYMMDD')-to_date('20191001', 'YYYYMMDD'))+1
    ) a ,(select distinct CUS_NO from test2) b
) b on a.CUS_NO=b.CUS_NO and a.TRAN_MONTH=b.TRAN_MONTH
;

select * from test3 order by CUS_NO,TRAN_MONTH;

补齐月份后的数据如下图所示


在这里插入图片描述


下面来计算客户月度消费的环比、同比增长率

select CUS_NO,TRAN_MONTH,TRAN_AMT
      ,lag(TRAN_AMT,1) over(partition by CUS_NO order by TRAN_MONTH) as TRAN_AMT_LAST1_MONTH --上个月
      ,lag(TRAN_AMT,12) over(partition by CUS_NO order by TRAN_MONTH) as TRAN_AMT_LAST12_MONTH --上一年同月
      ,lead(TRAN_AMT,1) over(partition by CUS_NO order by TRAN_MONTH desc) as TRAN_AMT_LAST1_MONTH2 --上个月
      ,lead(TRAN_AMT,12) over(partition by CUS_NO order by TRAN_MONTH desc) as TRAN_AMT_LAST12_MONTH2 --上一年同月
from test3
;

上面代码中，lag(TRAN_AMT,1) 表示在按客户编号分组并且按交易月份排序后，取当前行往前第1行，即当前月份的上月，如果往前第1行没有数据，则会置为空。lag(TRAN_AMT,12) 表示取当前行往前第12行，即当前月份的去年同月。lead的语用法和lag相反，上面代码排序子句中将TRAN_MONTH倒序排序后，lead取得的结果和lag一致。


first_value、last_value与nth_value函数

first_value和last_value函数常用在计算排过序的结果集中的第一行和最后一行数据，或者说是最大值和最小值(依排序而定)；而nth_value则可以获取任意行的数据。

如果配合开窗子句一起使用，可以为这些函数的运算定义动态滑动窗口，这个窗口可以定义为包含几个之前或之后的数据行或者是包含数据分区中的所有行，然后在这些行里取第一行或最后一行或任意行数据，实现更复杂灵活的需求。

函数语法如下，他们都支持使用窗口子句：

first_value( col ) over( partition-by-clause order-by-clause windowing-clause )

last_value( col ) over( partition-by-clause order-by-clause windowing-clause )

nth_value( col ,n ) [ FROM FIRST | FROM LAST ] [ RESPECT NOLLS | IGNORE NOLLS ] over( partition-by-clause order-by-clause windowing-clause )


需求：统计每个客户在所有消费月份中的最大消费金额与最小消费金额

说明：统计每个客户在过往所有消费月份中，消费金额最大月份的消费金额与消费金额最小月份的消费金额

--统计每个客户在所有消费月份中的最大消费金额与最小消费金额
select CUS_NO,TRAN_MONTH,TRAN_AMT
      ,first_value(TRAN_AMT) over(partition by CUS_NO order by TRAN_AMT rows between unbounded preceding and unbounded following ) as TRAN_AMT_MIN_MONTH --最小消费金额
      ,last_value(TRAN_AMT) over(partition by CUS_NO order by TRAN_AMT rows between unbounded preceding and unbounded following ) as TRAN_AMT_MAX_MONTH --最大消费金额
      ,nth_value(TRAN_AMT,2) over(partition by CUS_NO order by TRAN_AMT rows between unbounded preceding and unbounded following ) as TRAN_AMT_MIN2_MONTH --第2小的消费金额
from test2
;

注意上面代码中指定的窗口子句 rows between unbounded preceding and unbounded following 表示滑动窗口范围是整个分区，否则默认的滑动窗口将是分区中第一行到当前行。

基于上面这个需求，可以扩展一下，比如统计每个客户在当前月以及前两个月这三个月中的最大消费金额与最小消费金额

--统计每个客户在当前月以及前两个月这三个月中的最大消费金额与最小消费金额
select CUS_NO,TRAN_MONTH,TRAN_AMT
      ,min(TRAN_AMT) over(partition by CUS_NO order by month_num rows between 2 preceding and 0 following ) as TRAN_AMT_MIN_RECENT3_MONTH
      ,max(TRAN_AMT) over(partition by CUS_NO order by month_num rows between 2 preceding and 0 following ) as TRAN_AMT_MAX_RECENT3_MONTH
from (
    select CUS_NO,TRAN_MONTH,TRAN_AMT
          ,row_number() over (partition by CUS_NO order by TRAN_MONTH) as month_num
    from test3
)
;

listagg函数

listagg函数的聚合与开窗用法具体可参考 listagg函数的聚合与开窗用法

Axlsss
关注
  • 1
    点赞
  • 踩
  • 5
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
专栏目录
mysql开窗函数有哪些_mysql开窗函数
weixin_29955689的博客
01-20 2399
开窗函数：它可以理解为记录集合，开窗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。开窗函数的本质还是聚合运算，只不过它更具灵活性，它对数据的每一行，都使用与该行相关的行进行计算并返回计算结果。开窗函数和普通聚合函数的区别聚合...
Oracl之开窗函数 - Range
qq_33879355的博客
11-05 2949
/* 1. RANGE窗口仅对NUMBERS和DATES起作用,因为不可能从VARCHAR2中增加或减去N个单元 2. 在RANGE的开窗中，ORDER BY中只能有一列；ROWS的开窗的ORDER BY 可以有多列。  */ Rich table emp purge; CREATE TABLE emp (   emp_id    NU
hive窗口函数-sql错行数据计算
最新发布
s07aser123的专栏
07-21 605
大数据数据仓库数据质量检核，稽查数据表数据连续性，窗口分析函数的使用
MySQL开窗函数
zhao_guo_feng的博客
06-25 1047
sql必须掌握的技能
sum 开窗函数 oracle,关于oracle 开窗函数-一
weixin_30845345的博客
04-04 368
当前位置:我的异常网» 数据库»关于oracle 开窗函数-一关于oracle 开窗函数-一www.myexceptions.net网友分享于：2013-07-03浏览：7次关于oracle 开窗函数--1一.OVER1.SQL> SELECT deptno,ename,sal FROM emp ORDER BY deptno,ename;DEPTNO ENAME...
一文搞懂C语言回调函数
01-27
我们先来看看百度百科是如何定义回调函数的：回调函数就是一个通过函数指针调用的函数。如果你把函数的指针（地址）作为参数传递给另一个函数，当这个指针被用来调用其所指向的函数时，我们就说这是回调函数。回调...
一文掌握Python函数用法
12-21
本文通过理论+代码的方式介绍了Python函数的相关知识：包括：函数的参数、参数传递方式、参数解包、返回值、文档字符串、作用域、命名空间、递归、高阶函数、匿名函数、闭包、装饰器。在开发过程中或者看别人源码的...
一文秒懂python正则表达式常用函数
01-19
本文不过多展开正则表达式相关语法，仅简要 介绍 python中正则表达式常用函数及其使用方 法，以作快速查询浏览。   01 Re概览 Re模块是python的内置模块，提供了正则表达式在python中的所有用法，默认安装位置在...
一文看懂如何简单实现节流函数和防抖函数
12-11
在日常开发中有很多场景我们都需要用到节流函数和防抖函数，比如：实现输入框的模糊查询因为需要轮询ajax，影响浏览器性能，所以需要用到节流函数；实现手机号、姓名之类的的验证，往往我们只需要验证一次，这个时候...
sum 开窗函数 oracle,oracle开窗函数案例详解
weixin_33229152的博客
04-04 1594
一、建表和数据准备create table t_window(name varchar2(32),orderdate varchar2(32),cost varchar2(32))select * from t_windowinsert all into t_window values('jack','2015-01-01','10')into t_window values('tony','2...
sql 利用lead 和lag 求 同比和环比
pzgmissyou的博客
05-24 1954
1.源数据如下 2. 求同比 首先同比是指 不同年份的相同月份相比较 难点是取到上一年的相同月数据 SELECT date_str, date_year, date_month, curr_month_num, last_year_num, ( curr_month_num - last_year_num ) / last_year_num AS year_basis FROM ( SELECT date_str, date_year, date_......
大数据之Hive：Hive 开窗函数（一）
weixin_43597208的博客
05-31 1950
目录1.什么是开窗函数？2.聚合开窗函数2.1 count开窗函数2.2 sum开窗函数2.3 avg开窗函数2.4 min开窗函数2.5 max开窗函数2.6 first_value开窗函数 1.什么是开窗函数？ 普通的聚合函数聚合的行集是组,开窗函数聚合的行集是窗口。因此,普通的聚合函数每组(Group by)只返回一个值，而开窗函数则可为窗口中的每行都返回一个值。简单理解，就是对查询的结果多出一列，这一列可以是聚合值，也可以是排序值。 开窗函数一般分为两类,聚合开窗函数和排序开窗函数。 2.聚合开窗函
mysql sum函数_SQL-开窗函数
weixin_39951181的博客
11-23 647
碎语学习的正态曲线：入门容易，精通难积累的正态曲线：先越读越多，后越读越少什么是开窗函数很多场景比如排序，累计求和等，如果没有开窗函数，那么就要使用很复杂的子查询或是存储过程才能做到。为了解决这些问题，就有了现在的开窗函数，MySQL是从8.0版本之后才有了开窗函数，如果要使用，那么必须下载MySQL8.0以上的版本开窗函数主要是为了给行定义一个窗口,可以理解就是一个分组，但是和group by ...
窗口函数深度探索（二）：控制窗口大小（UNBOUNDED、CURRENT、PRECEDING、FOLLOWING）
清平乐的技术专栏
05-06 4268
本文详细介绍窗口函数进行控制窗口大小的具体操作，博主分别列举了8个实际案例进行具体讲解。通过此文大家可以熟练使用这几个函数进行数仓开发和数据分析。
HIVE 开窗函数
永青技术博客
04-18 2993
在开窗函数出现之前，存在着很多用 SQL 语句很难解决的问题，很多都要通过复杂的相关子查询或者存储过程来完成。为了解决这些问题，在2003年ISO SQL标准加入了开窗函数，开窗函数的使用使得这些经典的难题可以被轻松的解决 ; SQL标准允许将所有聚合函数用做开窗函数，只需要在聚合函数后加over()即可 案例演示 1.hive环境下建表与加载数据 vi t1.txt u0...
常见的开窗函数
u013986335的博客
04-27 8476
开窗函数与聚合函数计算方式一样，开窗函数也是对行集组进行聚合计算，但是它不像普通聚合函数那样每组只返回一个值，开窗函数可以为每组返回多个值。 开窗函数的语法为：over(partition by 列名1 order by 列名2 )，括号中的两个关键词partition by 和order by 可以只出现一个。over() 前面是一个函数，如果是聚合函数，那么order by 不能一起使用。 开窗函数主要分为以下两类： 窗口函数OVER（）指定一组行，开窗函数计算从窗口函数输出的结果集中各行的值。
使用开窗函数优化查询的一个案例
a549010853的博客
08-19 511
早上检查报警邮件时发现又是1000+的报警,于是查找凶手...最终找到了罪魁祸首,一个ETL查询从晚上10点开始跑到凌晨1点50,好家伙足足跑了3小时50分钟,阻塞了一片一片的JOB: SELECT **** FROM A INNER JOIN ( SELECT XXX,A.END_DATE_REP,MAX(PUBLISH_DATE) AS PUBLISH...
Oracle开发之：窗口函数 （转） rows between unbounded preceding and current row
u011500419的专栏
04-01 1239
https://blog.csdn.net/huozhicheng/article/details/5843782
mysql as用法_一文搞懂 MySQL 的窗口函数
weixin_39980711的博客
11-28 984
窗口函数在统计类的需求中很常见，稍微复杂一点的查询需求就有可能用到它，使用窗口函数可以极大的简化我们的 SQL 语句。像 Oracle、SQL Server 这些数据库在较早的版本就支持窗口函数了，MySQL 直到 8.0 版本后才支持它。本文将介绍一些常用的窗口函数的用法。窗口函数按照实现方式分成两种：一种是非聚合窗口函数，另外一种是聚合窗口函数。非聚合窗口函数是相对于聚合窗口函数来说...
pythoneval函数的知识点总结,一文了解Python eval函数
05-25
Python 中的 eval() 函数可以将字符串作为代码来执行，它的用法如下： ``` eval(expression, globals=None, locals=None) ``` 其中，expression 表示要执行的字符串代码，globals 和 locals 分别是全局和局部的命名空间，可以省略不写。 eval() 函数将字符串解析成 Python 表达式，并执行表达式，返回表达式的结果。 eval() 函数的常见用途包括： 1. 将字符串转换为数字：在字符串中使用数学表达式，例如 "2+3"，可以使用 eval() 函数将其转换为数字 5。 2. 动态执行代码：当需要根据用户的输入来执行一些不确定的代码时，可以使用 eval() 函数，例如动态计算用户输入的表达式的值。 3. 从配置文件中读取变量：在配置文件中定义一些变量，然后使用 eval() 函数将其转换为 Python 变量。 需要注意的是，eval() 函数存在安全风险，因为它可以执行任何字符串代码，包括恶意代码，因此在使用时需要谨慎，避免将不可信的字符串作为参数传入。

“相关推荐”对你有帮助么？

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值