SQL——窗口函数

窗口函数可以进行排序，生成序列号等一般的聚合函数无法实现的高级操作。

窗口函数也称为OLAP函数，意思是对数据库数据进行实时分析处理。窗口函数就是为了实现OLAP而添加的标准SQL功能。

窗口函数语法：其中[]中的内容可以省略

窗口函数大体可以分为以下两种：1.能够作为窗口函数的聚合函数（sum，avg，count，max，min）

                                                      2.rank，dense_rank。row_number等专用窗口函数。

语法的基本使用方法：使用rank函数

rank函数是用来计算记录排序的函数。

partition by 能够设定排序的对象范围，类似于group by语句，这里就是以product_type划分排序范围。

order by能够指定哪一列，何种顺序进行排序。也可以通过asc，desc来指定升序降序。

窗口函数兼具分组和排序两种功能。通过partition by分组后的记录集合称为窗口。

然而partition by不是窗口函数所必须的：

没有进行范围的划分，直接对全部的商品进行排序。

专用函数的种类：1.rank函数：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。

                             2.dense_rank函数：同样是计算排序，即使存在相同位次的记录，也不会跳过之后的位次。

                             3.row_number函数：赋予唯一的连续位次。

由于窗口函数无需参数，因此通常括号里都是空的。

窗口函数的适用范围：只能在select子句中使用。

作为窗口函数使用的聚合函数：

sum：

以累计的方式进行计算。计算出商品编号小于自己的商品的销售单价的合计值。

avg：

作为的统计对象同样是排在自己之上的记录。

1行：1000/1

2行：（1000 + 500）/2

3行：（1000+500+4000）/3

...

计算移动平均

窗口函数就是将表以窗口为单位进行分割，并在其中进行排序的函数。其中还包含在窗口中指定更加详细的汇总范围的备选功能，该备选功能中的汇总范围称为框架。

指定最靠近的3行做为汇总对象：

指定框架（汇总范围）：这里使用的rows（行）和preceding（之前）两个关键字，将框架指定为截止到之前？行，因此rows 2 preceding就是将框架指定为截止到之前2行，也就是将作为汇总对象的记录限定为如下的最靠近3行

1.自身（当前记录）

2.之前1行的记录

3.之前2行的记录

所以结果：

 

假设当前行为3000，前1行记录为4000，前两行记录为500，所以（500+4000+3000）/3=2500

这样的统计方法称为移动平均。

使用关键字following（之后）替换preceding，就可以将框架改为截止到之后？行。

将当前记录的前后行作为汇总对象：

语句意思：1.之前1行的记录

                  2.自身（当前记录）

                  3.之后1行的记录

整的框架就是这样

还是假设3000为当前记录，框架计算4000为前一行记录，6800为后一行记录（4000+3000+6800）/3 = 4600

总行数还是3.

两个order by

这时候价格会显得混乱不堪

可以在语句最后添加一个order by子句，来约束sale_price