oracle function6,ORACLE函数介绍(6)-分析函数-ZT

ORACLE函数介绍

第六篇著名函数之分析函数2007.8.28

1、AVG([DISTINCT|ALL]

expr) OVER(analytic_clause)计算平均值。

例如:

--聚合函数

SELECTcol,AVG(value)FROMtmp1GROUPBYcolORDERBYcol;

--分析函数

SELECTcol,AVG(value) OVER(PARTITIONBYcolORDERBYcol)

FROMtmp1

ORDERBYcol;

2、SUM ( [

DISTINCT | ALL ] expr ) OVER ( analytic_clause )

例如:

--聚合函数

SELECTcol,sum(value)FROMtmp1GROUPBYcolORDERBYcol;

--分析函数

SELECTcol,sum(value) OVER(PARTITIONBYcolORDERBYcol)

FROMtmp1

ORDERBYcol;

3、COUNT({* |

[DISTINCT | ALL] expr}) OVER (analytic_clause)查询分组序列中各组行数。

例如:

--分组查询col的数量

SELECTcol,count(0) over(partitionbycolorderbycol) ctFROMtmp1;

4、FIRST()从DENSE_RANK返回的集合中取出排在第一的行。

例如:

--聚合函数

SELECTcol,

MIN(value)KEEP(DENSE_RANKFIRSTORDERBYcol) "Min Value",

MAX(value)KEEP(DENSE_RANKLASTORDERBYcol) "MaxValue"

FROMtmp1

GROUPBYcol;

--分析函数

SELECTcol,

MIN(value)KEEP(DENSE_RANKFIRSTORDERBYcol) OVER(PARTITIONBYcol),

MAX(value)KEEP(DENSE_RANKLASTORDERBYcol) OVER(PARTITIONBYcol)

FROMtmp1

ORDERBYcol;

可以看到二者结果基本相似,但是ex1的结果是group by后的列,而ex2则是每一行都有返回。

5、LAST()与上同,不详述。

例如:见上例。

6、FIRST_VALUE

(col) OVER ( analytic_clause )返回over()条件查询出的第一条记录

例如:

insertintotmp1values('test6','287');

SELECTcol,

FIRST_VALUE(value) over(partitionbycolorderbyvalue) "First",

LAST_VALUE(value) over(partitionbycolorderbyvalue) "Last"

FROMtmp1;

7、LAST_VALUE

(col) OVER ( analytic_clause )返回over()条件查询出的最后一条记录

例如:见上例。

8、LAG(col[,n][,n])

over([partition_clause] order_by_clause) lag是一个相当有意思的函数,其功能是返回指定列col前n1行的值(如果前n1行已经超出比照范围,则返回n2,如不指定n2则默认返回null),如不指定n1,其默认值为1。

例如:

SELECTcol,

value,

LAG(value) over(orderbyvalue) "Lag",

LEAD(value) over(orderbyvalue) "Lead"

FROMtmp1;

9、LEAD(col[,n][,n])

over([partition_clause] order_by_clause)与上函数正好相反,本函数返回指定列col后n1行的值。

例如:见上例

10、MAX (col)

OVER (analytic_clause)获取分组序列中的最大值。

例如:

--聚合函数

SELECTcol,

Max(value) "Max",

Min(value) "Min"

FROMtmp1

GROUPBYcol;

--分析函数

SELECTcol,

value,

Max(value) over(partitionbycolorderbyvalue) "Max",

Min(value) over(partitionbycolorderbyvalue) "Min"

FROMtmp1;

11、MIN (col)

OVER (analytic_clause)获取分组序列中的最小值。

例如:见上例。

12、RANK()

OVER([partition_clause] order_by_clause)关于RANK和DENSE_RANK前面聚合函数处介绍过了,这里不废话不,大概直接看示例吧。

例如:

insertintotmp1values('test2',120);

SELECTcol,

value,

RANK()

OVER(orderbyvalue) "RANK",

DENSE_RANK() OVER(orderbyvalue) "DENSE_RANK",

ROW_NUMBER() OVER(orderbyvalue) "ROW_NUMBER"

FROMtmp1;

13、DENSE_RANK ()

OVER([partition_clause] order_by_clause)

例如:见上例。

14、ROW_NUMBER ()

OVER([partition_clause] order_by_clause)这个函数需要多说两句,通过上述的对比相信大家应该已经能够看出些端倪。前面讲过,dense_rank在做排序时如果遇到列有重复值,则重复值所在行的序列值相同,而其后的序列值依旧递增,rank则是重复值所在行的序列值相同,但其后的序列值从+重复行数开始递增,而row_number则不管是否有重复行,(分组内)序列值始终递增

例如:见上例。

  • 0
    点赞
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
智慧校园建设方案旨在通过融合先进技术,如物联网、大数据、人工智能等,实现校园的智能化管理与服务。政策的推动和技术的成熟为智慧校园的发展提供了基础。该方案强调了数据的重要性,提出通过数据的整合、开放和共享,构建产学研资用联动的服务体系,以促进校园的精细化治理。 智慧校园的核心建设任务包括数据标准体系和应用标准体系的建设,以及信息化安全与等级保护的实施。方案提出了一站式服务大厅和移动校园的概念,通过整合校内外资源,实现资源共享平台和产教融合就业平台的建设。此外,校园大脑的构建是实现智慧校园的关键,它涉及到数据中心化、数据资产化和数据业务化,以数据驱动业务自动化和智能化。 技术应用方面,方案提出了物联网平台、5G网络、人工智能平台等新技术的融合应用,以打造多场景融合的智慧校园大脑。这包括智慧教室、智慧实验室、智慧图书馆、智慧党建等多领域的智能化应用,旨在提升教学、科研、管理和服务的效率和质量。 在实施层面,智慧校园建设需要统筹规划和分步实施,确保项目的可行性和有效性。方案提出了主题梳理、场景梳理和数据梳理的方法,以及现有技术支持和项目分级的考虑,以指导智慧校园的建设。 最后,智慧校园建设的成功依赖于开放、协同和融合的组织建设。通过战略咨询、分步实施、生态建设和短板补充,可以构建符合学校特色的生态链,实现智慧校园的长远发展。
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
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
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