sql窗口函数 over

于 2024-07-24 18:29:24 发布
阅读量929 收藏 24
点赞数 11
分类专栏： 代码知识素材 文章标签： sql r语言 java
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_48485132/article/details/140670406
版权

over的功能是什么

@radix-vue

OVER 是 SQL 窗口函数的一个关键字，用于定义一个窗口或帧，窗口函数将在这个窗口或帧上进行计算操作。OVER 关键字与窗口函数一起使用，如 SUM(), AVG(), ROW_NUMBER(), RANK(), 等等。

功能和用途

OVER 允许您在不缩减结果集的情况下，对结果集进行计算。这与传统的聚合函数（如 SUM(), COUNT()）不同，后者会将结果集缩减成较少的行数。

语法

 

sql
 

 

复制代码
 

<窗口函数> OVER (
  [PARTITION BY <partition_col1>, <partition_col2>, ...]
  [ORDER BY <order_col1> [ASC|DESC], <order_col2> [ASC|DESC], ...]
  [ROWS|RANGE <frame_clause>]
)

 

子句
 

  1.  
    PARTITION BY：
     
  
    • 将结果集按一个或多个列分区。
    • 每个分区内独立进行窗口函数计算。
    • 类似于 GROUP BY，但不缩减结果集的行数。
     
    sql
     
    复制代码
     
    SUM(salary) OVER (PARTITION BY department_id)

     
  2.  
    ORDER BY：
     
  
    • 指定分区内的行顺序，有时结合 PARTITION BY 使用。
    • 确定窗口函数的计算顺序。
     
    sql
     
    复制代码
     
    SUM(salary) OVER (PARTITION BY department_id ORDER BY hire_date)

     
  3.  
    ROWS 或 RANGE：
     
  
    • 定义计算窗口的具体范围或帧。
    • ROWS 指定确切的行数范围，例如当前行的前两行和当前行。
    • RANGE 基于值范围，例如当前行和与当前行值相等的所有其他行。
     
    sql
     
    复制代码
     
    SUM(salary) OVER (ORDER BY hire_date ROWS BETWEEN 2 PRECEDING AND CURRENT ROW)

     
 

示例和解释
 

基本示例：ROW_NUMBER()
 

 

sql
 

 

复制代码
 

SELECT 
    employee_id, 
    department_id, 
    salary, 
    ROW_NUMBER() OVER (PARTITION BY department_id ORDER BY salary DESC) AS row_num
FROM employees;

 

在这个查询中：
 

  • PARTITION BY department_id 将数据按部门分组。
  • 在每个部门内，ORDER BY salary DESC 按薪水从高到低排序。
  • ROW_NUMBER() 为每个分区内的每一行分配唯一的行号。
 

聚合函数示例：SUM()
 

 

sql
 

 

复制代码
 

SELECT 
    employee_id, 
    salary, 
    SUM(salary) OVER (PARTITION BY department_id ORDER BY hire_date) AS cumulative_salary
FROM employees;

 

在这个查询中：
 

  • PARTITION BY department_id 根据部门进行分区。
  • ORDER BY hire_date 指定部门内的排序规则。
  • SUM(salary) OVER (...) 计算每个部门内按雇佣日期排序的累计工资。
 

高级示例：移动平均
 

 

sql
 

 

复制代码
 

SELECT 
    order_id, 
    order_date, 
    amount, 
    AVG(amount) OVER (ORDER BY order_date ROWS BETWEEN 2 PRECEDING AND CURRENT ROW) AS moving_avg
FROM orders;

 

在这个查询中：
 

  • ORDER BY order_date 指定按订单日期排序。
  • ROWS BETWEEN 2 PRECEDING AND CURRENT ROW 定义窗口帧为当前行及其前两行。
  • AVG(amount) OVER (...) 计算指定窗口内的移动平均值。
 

总结
 

OVER 子句使得窗口函数变得非常强大和灵活，它允许在不缩减结果集的情况下进行各种复杂的计算和分析操作。通过使用 PARTITION BY、ORDER BY 和窗口帧定义，可以对数据进行详细且复杂的分析，适用于诸如累积总和、移动平均、行排名等各种场景。
 

了解和掌握 OVER 子句的使用，将大大提升您在SQL数据查询和分析中的能力。
 

请给我举几个例子
 

 

@radix-vue
 

当然，下面是一些使用OVER子句的常见窗口函数的例子。
 

1. ROW_NUMBER()
 

示例：为每个部门的员工分配一个唯一的行号。
 

 

sql
 

 

复制代码
 

SELECT
    employee_id,
    department_id,
    salary,
    ROW_NUMBER() OVER (PARTITION BY department_id ORDER BY salary DESC) AS row_num
FROM employees;

 

解释：
 

  • PARTITION BY department_id 将结果集按部门分区。
  • ORDER BY salary DESC 按薪水降序排列每个部门内的员工。
  • ROW_NUMBER() 为每个分区内的每一行分配唯一的行号。
 

2. RANK()
 

示例：为每个部门的员工分配排名，相同薪水的员工会有相同的排名。
 

 

sql
 

 

复制代码
 

SELECT
    employee_id,
    department_id,
    salary,
    RANK() OVER (PARTITION BY department_id ORDER BY salary DESC) AS rank
FROM employees;

 

解释：
 

  • PARTITION BY department_id 将结果集按部门分区。
  • ORDER BY salary DESC 按薪水降序排列每个部门内的员工。
  • RANK() 为每个分区内的每一行分配排名，薪水相同的员工会有相同的排名，下一跳会跳过这些相同排名的行数。
 

3. DENSE_RANK()
 

示例：为每个部门的员工分配排名，相同薪水的员工会有相同的排名，不会跳跃。
 

 

sql
 

 

复制代码
 

SELECT
    employee_id,
    department_id,
    salary,
    DENSE_RANK() OVER (PARTITION BY department_id ORDER BY salary DESC) AS dense_rank
FROM employees;

 

解释：
 

  • PARTITION BY department_id 将结果集按部门分区。
  • ORDER BY salary DESC 按薪水降序排列每个部门内的员工。
  • DENSE_RANK() 为每个分区内的每一行分配排名，薪水相同的员工会有相同的排名，且不会跳跃。
 

4. LAG()
 

示例：获取当前行员工的前一个员工的薪水（按雇佣日期排序）。
 

 

sql
 

 

复制代码
 

SELECT
    employee_id,
    hire_date,
    salary,
    LAG(salary, 1) OVER (ORDER BY hire_date) AS prev_salary
FROM employees;

 

解释：
 

  • ORDER BY hire_date 按雇佣日期排序。
  • LAG(salary, 1) 获取上一行的薪水。
 

5. LEAD()
 

示例：获取当前行员工的下一个员工的薪水（按雇佣日期排序）。
 

 

sql
 

 

复制代码
 

SELECT
    employee_id,
    hire_date,
    salary,
    LEAD(salary, 1) OVER (ORDER BY hire_date) AS next_salary
FROM employees;

 

解释：
 

  • ORDER BY hire_date 按雇佣日期排序。
  • LEAD(salary, 1) 获取下一行的薪水。
 

6. 聚合函数作为窗口函数
 

示例：计算每个部门每个员工的累计薪水。
 

 

sql
 

 

复制代码
 

SELECT
    employee_id,
    department_id,
    salary,
    SUM(salary) OVER (PARTITION BY department_id ORDER BY hire_date) AS cumulative_salary
FROM employees;

 

解释：
 

  • PARTITION BY department_id 将结果集按部门分区。
  • ORDER BY hire_date 按雇佣日期排序。
  • SUM(salary) OVER (...) 计算每个分区内的累计薪水。
 

7. 移动平均
 

示例：计算过去三行的移动平均。
 

 

sql
 

 

复制代码
 

SELECT
    order_id,
    order_date,
    amount,
    AVG(amount) OVER (ORDER BY order_date ROWS BETWEEN 2 PRECEDING AND CURRENT ROW) AS moving_avg
FROM orders;

 

解释：
 

  • ORDER BY order_date 按订单日期排序。
  • ROWS BETWEEN 2 PRECEDING AND CURRENT ROW 确定窗口帧为当前行及其前两行。
  • AVG(amount) OVER (...) 计算在窗口帧内的移动平均值。
 

8. 使用 NTILE()
 

示例：将结果集按薪水分成4个等分的组，并分配一个组编号。
 

 

sql
 

 

复制代码
 

SELECT
    employee_id,
    salary,
    NTILE(4) OVER (ORDER BY salary DESC) AS salary_group
FROM employees;

 

解释：
 

  • ORDER BY salary DESC 按薪水降序排列员工。
  • NTILE(4) 将结果集分成四等分，并为每行分配一个组编号。
 

这些示例展示了使用OVER子句的各种窗口函数的强大功能和灵活性。通过这些查询，您可以在不缩减结果集的情况下执行复杂的分析和计算。
 

能不能给我一个带数据表的例子
 

 

@radix-vue
 

当然可以。让我们看一个具体的数据表和相关的SQL查询示例，以便更好地理解窗口函数和 OVER 子句的用法。
 

示例数据表
 

假设我们有一个表 employees，其中包含以下数据：
 

employee_iddepartment_idhire_datesalary
112020-01-015000
212020-02-016000
312020-03-015500
422020-01-158000
522020-02-207000
622020-03-107200
 

示例1：ROW_NUMBER()
 

目的：为每个部门的员工分配一个唯一的行号。
 

 

sql
 

 

复制代码
 

SELECT
    employee_id,
    department_id,
    hire_date,
    salary,
    ROW_NUMBER() OVER (PARTITION BY department_id ORDER BY hire_date) AS row_num
FROM employees;

 

结果：
 

employee_iddepartment_idhire_datesalaryrow_num
112020-01-0150001
212020-02-0160002
312020-03-0155003
422020-01-1580001
522020-02-2070002
622020-03-1072003
 

示例2：RANK()
 

目的：在每个部门中，根据薪水为员工分配排名，相同薪水的员工会有相同的排名。
 

 

sql
 

 

复制代码
 

SELECT
    employee_id,
    department_id,
    salary,
    RANK() OVER (PARTITION BY department_id ORDER BY salary DESC) AS rank
FROM employees;

 

结果：
 

employee_iddepartment_idsalaryrank
2160001
3155002
1150003
4280001
6272002
5270003
 

示例3：LAG()
 

目的：获取当前行员工的前一个员工的薪水（按雇佣日期排序）。
 

 

sql
 

 

复制代码
 

SELECT
    employee_id,
    hire_date,
    salary,
    LAG(salary, 1) OVER (ORDER BY hire_date) AS prev_salary
FROM employees;

 

结果：
 

employee_idhire_datesalaryprev_salary
12020-01-015000NULL
42020-01-1580005000
22020-02-0160008000
52020-02-2070006000
32020-03-0155007000
62020-03-1072005500
 

示例4：SUM() OVER (PARTITION BY ...)
 

目的：计算每个部门每个员工的累计薪水。
 

 

sql
 

 

复制代码
 

SELECT
    employee_id,
    department_id,
    salary,
    SUM(salary) OVER (PARTITION BY department_id ORDER BY hire_date) AS cumulative_salary
FROM employees;

 

结果：
 

employee_iddepartment_idsalarycumulative_salary
1150005000
21600011000
31550016500
4280008000
52700015000
62720022200
 

示例5：移动平均
 

目的：计算过去两行的移动平均薪水。
 

 

sql
 

 

复制代码
 

SELECT
    employee_id,
    hire_date,
    salary,
    AVG(salary) OVER (ORDER BY hire_date ROWS BETWEEN 2 PRECEDING AND CURRENT ROW) AS moving_avg
FROM employees;

 

结果：
 

employee_idhire_datesalarymoving_avg
12020-01-0150005000.00
42020-01-1580006500.00
22020-02-0160006333.33
52020-02-2070007000.00
32020-03-0155006166.67
62020-03-1072006566.67
 

这些示例展示了如何使用窗口函数来执行复杂的分析和计算。通过这些查询，可以在不缩减结果集的情况下，对数据进行详细的分析。

                

        

        

    

  


    

      

        

            

              
                
                  夏安安2025
                
              
            

            

                关注
              
            

        

        

          
      

      

            

                专栏目录
          









                



	

		

			

				
					
SQL Server 2016查询（二）

				
			

			

				

					10-28
				

			

		

		

			
				
本课程基于微软新的SQL Server 2016，真正的初级带你进入数据库的大门，从数据库的安装配置开始，逐步讲述了创建数据库、数据表，基础查询、查询、子查询、数据库完整性、视图、索引、存储过程、游标、函数、触发器、数据库备份恢复、自动化作业、数据库安全等，比较全面的讲解了SQL Server2016的基本操作和进阶操作，知识点涵盖日常工作中90%以上所用到的数据库技术。

			
		

	



                

              
                



	

		

			

				
					
SQL高级功能：窗口函数、存储过程及经典排名问题、topN问题、WITH 子句

				
			

			

				

					Java后端技术栈
				

				

					03-08
					
					7646
					
				

			

		

		

			
				
如上图，聚合函数sum在窗口函数中，对自身记录以及位于自身以上的数据进行求和，如课程号0002对应的学号0002后面的sum结果就是课程号0002中学号为0001和0002对应的成绩之和，课程号0002对应的学号0003后面的sum结果就是课程号0002中学号0001、0002和0003对应的成绩之和。以上窗口函数，用了rows和preceding这两个关键字，是“之前~行“的意思，在上面也就是之前2行的意思，也就是得到的结果是自身记录及前2行的平均。)，括号里面只包含了参数的类型和名称，方便调用。

			
		

	



                


  
              

                


	

		

			

				
					
SQL窗口函数OVER用法整理

					
热门推荐

				
			

			

				

					m0_37953759的博客
				

				

					02-22
					
					1万+
					
				

			

		

		

			
				
SQL窗口函数OVER用法整理
OVER的定义
OVER用于为行定义一个窗口，它对一组值进行操作，不需要使用GROUP BY子句对数据进行分组，能够在同一行中同时返回基础行的列和聚合列。
语法
OVER ( [ PARTITION BY column ] [ ORDER BY culumn ] [ROWS|RANGE BETWEEN 边界规则1 and 边界规则2])

PARTITION BY 子句进行分组；
ORDER BY 子句进行排序；
ROWS|RANGE 框架是对窗口进行进一步的分区，框架有两种

			
		

	





	

		

			

				
					
OVER(PARTITION BY)使用方法

				
			

			

				

					sxb0103的博客
				

				

					11-06
					
					3005
					
				

			

		

		

			
				
原文出处：https://www.cnblogs.com/lcngu/p/5335170.html

简介
　　开窗函数，Oracle从8.1.6开始提供分析函数，分析函数用于计算基于组的某种聚合值，它和聚合函数的不同之处是：对于每个组返回多行，而聚合函数对于每个组只返回一行。

　　开窗函数指定了分析函数工作的数据窗口大小，这个数据窗口大小可能会随着行的变化而变化。

　　下面的测试用例数据语句...

			
		

	



		

			
		



	

		

			

				
					
SQL 窗口函数

				
			

			

				

					weixin_44152939的博客
				

				

					06-03
					
					436
					
				

			

		

		

			
				
下面我们来看看over()窗口函数的语法结构、及常与 over()一起使用的分析函数
1、over()窗口函数的语法结构
2、常与 over()一起使用的分析函数
3、窗口函数总结分析函数 over(partition by 列名 order by 列名 rows between 开始位置 and 结束位置)
over()函数中包括三个函数：包括分区 partition by 列名、排序 order by...

			
		

	





	

		

			

				
					
sql: rank/row_number/count/sum/avg/max/min over的用法

				
			

			

				

					SUMMERENT的博客
				

				

					03-14
					
					3944
					
				

			

		

		

			
				
1.1 根据score 升序排序，ranks 为排序后的序号，从1开始，依次递增，如果有两个重复的score则序号会一样（下图中的score = 80，则ranks = 4），因为两个为4的序号，所以接着跳到序号6。3.1 根据score 升序排序，ranks 为排序后的序号，从1开始，依次递增，如果有两个重复的score则序号会一样（下图中的score = 80，则ranks = 4），接着序号为5。根据class_name分区，然后根据score排序，求每个班级学生成绩score最低分。

			
		

	





	

		

			

				
					
SQL2005 学习笔记 窗口函数(OVER)

				
			

			

				

					09-11
				

			

		

		

			
				
【SQL2005窗口函数】是SQL Server 2005引入的一种强大的数据分析工具，它允许用户在结果集的“窗口”上进行计算，而不仅仅是单行或整个结果集。这种函数使得处理复杂的统计计算变得更为简便，比如累计求和、移动平均...

			
		

	





	

		

			

				
					
SQL窗口函数速查表.pdf

				
			

			

				

					10-30
				

			

		

		

			
				
SQL窗口函数是数据库查询中的一个强大工具，它们允许在单个查询中对数据集进行复杂的分析，而无需多次聚合或子查询。窗口函数的核心概念在于“窗口”——它定义了一个行集，在这个集上执行计算，而不是在整个结果集...

			
		

	





	

		

			

				
					
SQL中窗口函数的使用

				
			

			

				

					07-31
				

			

		

		

			
				
在SQL中，窗口函数是一种强大的工具，它允许我们在一行数据的基础上计算与该行相关的其他行的数据，而不仅仅是基于整个表或特定分组的数据。窗口函数的使用极大地扩展了数据分析和报表制作的能力，使得复杂的计算变...

			
		

	





	

		

			

				
					
SQL窗口函数OVER详细用法，一学就会

				
			

			

				

					扬帆天涯
				

				

					12-11
					
					3394
					
				

			

		

		

			
				
SQL窗口函数OVER详细用法，一学就会

			
		

	





	

		

			

				
					
sql over开窗函数，

				
			

			

				

					weixin_33991727的博客
				

				

					08-13
					
					1174
					
				

			

		

		

			
				
 1.使用over子句与rows_number()以及聚合函数进行使用，可以进行编号以及各种操作。而且利用over子句的分组效率比group by子句的效率更高。  2.在订单表（order）中统计中，生成这么每一条记录都包含如下信息：“所有订单的总和”、“每一位客户的所有订单的总和”、”每一单的金额“关键点：使用了sum() over() 这个开窗函数 如图： 代码如下： View Code 1...

			
		

	





	

		

			

				
					
sql 操作：Over

				
			

			

				

					吃肉狐的博客
				

				

					04-27
					
					1023
					
				

			

		

		

			
				
一下内容为转载，作为笔记
RANK ( ) OVER ( [query_partition_clause] order_by_clause )
DENSE_RANK ( ) OVER ( [query_partition_clause] order_by_clause )
可实现按指定的字段分组排序，对于相同分组字段的结果集进行排序,
其中PARTITION BY 为分组字段，ORDER BY 指...

			
		

	





	

		

			

				
					
matlabif函数多个条件并列_SQL高级功能-窗口函数及经典面试题

				
			

			

				

					weixin_39637233的博客
				

				

					11-24
					
					393
					
				

			

		

		

			
				
一、什么是窗口函数窗口函数导图1、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，比如下面的业务需求：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类需求，就需要使用sql的高级功能窗口函数了。2、什么是窗口函数？窗口函数，也叫OLAP函数（Online Anallytical Processing，联机分析处理），可以对数据库数据进行实时分析处理...

			
		

	





	

		

			

				
					
Sqlserver中OVER子句

				
			

			

				

					breakbridge的博客
				

				

					09-21
					
					1708
					
				

			

		

		

			
				
OVER 子句


    在应用关联的开窗函数前确定行集的分区和排序。也就是说，OVER 子句定义查询结果集内的窗口或用户指定的行集。然后，开窗函数将计算窗口中每一行的值。 可以将 OVER 子句与函数一起使用，以便计算各种聚合值，例如移动平均值、累积聚合、运行总计或每组结果的前 N 个结果。


创建 [A] [B] 两表


1. [A] 表


create table [dbo].[A] 
(
  [ID] [smallint] not null primary key,
 ...

			
		

	





	

		

			

				
					
sql over函数_从零学会SQL：高级功能

				
			

			

				

					weixin_42326851的博客
				

				

					02-19
					
					1402
					
				

			

		

		

			
				
sql over函数_从零学会SQL：高级功能

			
		

	





	

		

			

				
					
SQL语句之Over

				
			

			

				

					VincEnt-1998的博客
				

				

					08-06
					
					1644
					
				

			

		

		

			
				
over不能单独使用，要和分析函数：rank(),dense_rank(),row_number()等一起使用。
其参数：over（partition by columnname1 order by columnname2）
含义：按columname1指定的字段进行分组排序，或者说按字段columnname1的值进行分组排序。
例如：employees表中，有两个部门的记录：department...

			
		

	





	

		

			

				
					
SQL：窗口函数之OVER()

					
最新发布

				
			

			

				

					qq_40178216的博客
				

				

					03-22
					
					2394
					
				

			

		

		

			
				
窗口函数 通用格式 “函数 OVER (PARTITION BY 分组 ORDER BY 排序依据 升降序)”。
这里记录下OVER()的使用方法




current row 当前行
n preceding:往前n行
n following:往后n行
unbounded： 起点，对应前面的n

			
		

	





	

		

			

				
					
SQL高级知识——OVER

				
			

			

				

					SQL数据库开发
				

				

					04-02
					
					493
					
				

			

		

		

			
				
点击上方SQL数据库开发，关注获取SQL视频教程SQL专栏SQL数据库基础知识汇总SQL数据库高级知识汇总OVER的定义OVER用于为行定义一个窗口，它对一组值进行操作，...

			
		

	





	

		

			

				
					
spark sql 窗口函数over partition by

				
			

			

				

					06-28
				

			

		

		

			
				
### 回答1：
Spark SQL中的窗口函数over partition by是一种用于对数据进行分组计算的函数。它可以将数据按照指定的列进行分组，并在每个分组内进行计算。这种函数在数据分析和处理中非常常见，可以帮助我们更方便地进行数据聚合和统计。   

### 回答2：
Spark SQL窗口函数是一种强大的函数，可以对窗口内的数据进行分组聚合、排序、排名、分析计算等操作。在实际的数据处理过程中，常常会遇到需要对数据进行分组、聚合等操作的场景，这时候，窗口函数就可以发挥重要作用。

Over partition by是spark sql中窗口函数中的一种非常强大的函数，能够对指定字段进行分组聚合。在使用over partition by时，需要定义一个窗口，即用来指定数据的分组方式。通常情况下，partition by子句用来指定需要分组的字段，over子句则用来执行数据计算的操作。

例如，如果需要计算一组数据不同时间点的总和，则可以使用over partition by函数来实现。首先，在select子句中指定需要计算的字段，然后使用over partition子句指定分组方式，最后使用sum函数计算总和。如下所示：

```
SELECT time,value,sum(value) over (partition by time) 
FROM table_name;
```

上述示例中，partition by子句使用time字段进行分组，然后将value字段用于计算每个分组的总和。

除了上述示例中的聚合操作，Spark SQL中的over partition by函数还可以执行窗口排序、排名、累计计算、百分比计算等多种计算操作。例如，使用over partition by函数来实现窗口排序，则可以使用排列相关的函数，如rank、dense_rank、row_number等。

总结来说，Spark SQL中的over partition by函数是一种非常强大的窗口函数，可以在数据处理过程中实现复杂的分组、排序、排名、累计计算、百分比计算等多种计算操作。对于需要对数据进行多重分组、聚合分析的场景，使用over partition by函数可以非常方便地实现数据分析处理的任务。   

### 回答3：
Spark SQL中的窗口函数over partition by是一种用于在查询结果集中处理数据的功能。窗口函数可以在数据中划分子集，执行聚合函数，计算行号等操作。这些操作与简单的分组聚合或排序不同，因为他们不会对查询结果进行分组，而是对子集进行操作，同时保留查询结果集的完整性。

over partition by语法可用于将查询结果集划分为多个分区，然后在每个分区上执行操作。对于每个分区，分配一个排名或数字，允许在对查询结果集进行其他处理之前，对子集进行排序或聚合操作。

over partition by语法的基本语法格式为：

SELECT col1, col2, sum(col3) OVER (PARTITION BY col1) FROM table1

以上语句将查询结果集按照col1进行分区，并对每个分区进行col3的聚合操作，最后在每行返回结果集中的col1、col2、col3聚合总和。

over partition by语法中还可以使用其他聚合函数，如avg()、min()、max()等等。同时，还支持rank()、dense_rank()、row_number()、ntile()等其他更高级的分析函数。

over partition by的使用可以帮助我们更好的处理查询结果集中的数据。通过使用这个功能，我们可以轻松地执行各种分析操作，比如打造数据仪表盘、制定分析计划等等。当我们需要比单个分组细化分析数据时，over partition by语法就是非常有用的。

			
		

	



              




          




        



    





    



      

      

        
      

      





	

		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