常用窗口函數以及應用場景

1、ROW_NUMBER

• 命令格式

  row_number() over(partition by [col1, col2…]
  order by [col1[asc|desc], col2[asc|desc]…])

• 命令說明

  該函數用於計算行號，從1開始。

• 參數說明
  • partition by [col1, col2..]：指定開窗口的列。
  • order by col1[asc|desc], col2[asc|desc]：指定結果返回時的排序的值。
• 返回值說明

  返回BIGINT類型。

• 用於去重

　　

SELECT *
FROM (
    SELECT *
        , ROW_NUMBER() OVER (PARTITION BY t.去重字段 ORDER BY t.去重字段 DESC) AS rn
    FROM xxx t
) p
WHERE p.rn = 1;

2、LAG

• 命令格式

  lag(expr，Bigint offset, default) over(partition by [col1, col2…]
  [order by [col1[asc|desc], col2[asc|desc]…]])

• 命令說明

  按偏移量取當前行之前第幾行的值。如果當前行號為rn，則取行號為rn-offset的值。

　　　LAG()窗口函數返回分區中當前行之前行（可以指定第幾行）的值。 如果沒有行，則返回null。

• 參數說明
  • expr：任意類型。
  • offset：BIGINT類型常量。輸入值為STRING、DOUBLE到BIGINT的隱式轉換，offset>0。
  • default：當offset指定的范圍越界時的缺省值，常量，默認值為NULL。
  • partition by [col1, col2..]：指定開窗口的列。
  • order by col1[asc|desc], col2[asc|desc]：指定返回結果的排序方式。
• 返回值說明

  返回值類型同expr類型。

3、LEAD

• 命令格式

  lead(expr，Bigint offset, default) over(partition by [col1, col2…]
  [order by [col1[asc|desc], col2[asc|desc]…]])

• 命令說明

  按偏移量取當前行之后第幾行的值。如果當前行號為rn，則取行號為rn+offset的值。

　　　LEAD()窗口函數返回分區中當前行后面行（可以指定第幾行）的值。 如果沒有行，則返回null。

• 參數說明
  • expr：任意類型。
  • offset：可選，BIGINT類型常量。輸入值為STRING、DECIMAL、DOUBLE到BIGINT的隱式轉換，offset>0。
  • default：可選，當offset指定的范圍越界時的缺省值，常量。
  • partition by [col1, col2..]：指定開窗口的列。
  • order by col1[asc|desc], col2[asc|desc]：指定返回結果的排序方式。
• 返回值說明

  返回值類型同expr類型。

window子句： 
　　- PRECEDING：往前 
　　- FOLLOWING：往后 
　　- CURRENT ROW：當前行 
　　- UNBOUNDED：起點，UNBOUNDED PRECEDING 表示從前面的起點， UNBOUNDED FOLLOWING：表示到后面的終點

select name,orderdate,cost,
sum(cost) over() as sample1,--所有行相加
sum(cost) over(partition by name) as sample2,--按name分組，組內數據相加
sum(cost) over(partition by name order by orderdate) as sample3,--按name分組，組內數據累加
sum(cost) over(partition by name order by orderdate rows between UNBOUNDED PRECEDING and current row )  as sample4 ,--和sample3一樣,由起點到當前行的聚合
sum(cost) over(partition by name order by orderdate rows between 1 PRECEDING   and current row) as sample5, --當前行和前面一行做聚合
sum(cost) over(partition by name order by orderdate rows between 1 PRECEDING   AND 1 FOLLOWING  ) as sample6,--當前行和前邊一行及后面一行
sum(cost) over(partition by name order by orderdate rows between current row and UNBOUNDED FOLLOWING ) as sample7 --當前行及后面所有行
from t_window;

 

 應用場景

一、聚合

1、店鋪19年總銷量(sum)

sum是求和，over()沒有參數，則對所有數據進行求和，輸出的結果都是5800

select a.*, sum(sale)over() as total_sale from sale_detial a

 

 

 

 

 2、店鋪19年每個level總銷量(sum)

用level分組求和，則每個level的輸出結果一致

select a.*,
sum(sale)over() as total_sale,
sum(sale)over(partition by level) as level_sale from sale_detial a 

 

 

 

 3、店鋪19年每個level按城市銷量降序累加求和銷量(sum)

當使用order by時，沒有rows between則意味着窗口是從起始行到當前行，所以對不同level進行累加求和

select a.*,
sum(sale)over() as total_sale,
sum(sale)over(partition by level) as level_sale,
sum(sale)over(partition by level order by sale desc) as level_cum_sale
from sale_detial a 

 

 

 

 

4、店鋪19年總銷售城市數量、每個level城市數量(count)

count()是計數，可以用count(distinct city)進行去重，如果partition by進行分組，則分組后計數

select a.*,
count(city)over() as total_city,
count(city)over(partition by level) as level_city
from sale_detial a 

 

 

 

 

5、 店鋪19年平均每個城市銷量，各level平均銷量(avg)

avg用法與sum基本一致

select a.*,
avg(sale)over() as avg_sale,
avg(sale)over(partition by level) as level_avg_sale
from sale_detial a

 

 

 

 

6、店鋪19年按城市銷量降序后，截止當前平均、移動平均(avg)

當用rows between指定窗口后可以計算移動平均

select a.*,
avg(sale)over(order by sale desc) as avg_sale,
avg(sale)over(order by sale desc rows between 1 preceding and 1 following) as avg_sale_1
from sale_detial a 

 

 

 

 

7、 店鋪19年城市最高銷量，各level最低銷量(max/min)

max/min用法與sum一致

select a.*,
max(sale)over() as max_sale,
min(sale)over(partition by level) as level_min_sale
from sale_detial a

 

 

 

 

二、排序

1、店鋪19年各城市按銷量排序（row_number,rank,dense_rank)

row_number——從1開始，按照順序，生成分組內記錄的序列

rank——成數據項在分組中的排名，排名相等會在名次中留下空位。

dense_rank——生成數據項在分組中的排名，排名相等會在名詞中不會留下空位

select a.*,
row_number()over(order by sale desc) as row_number,
rank()over(order by sale desc) as rank,
dense_rank()over(order by sale desc) as dense_rank
from sale_detial a

 

 

 

 

三、極值

1、店鋪19年銷量最高最低城市，各level銷量最低城市（first_value,last_value)

first_value，按分組排序后，取范圍內第1個值，last_value，取最后1個值

因為默認窗口的關系，last_value會隨着窗口的改變而改變，所以一般不用last_value，如果要用，則改變窗口為所有行

select a.*,
first_value(city)over(order by sale desc) as max_city,
first_value(city)over(order by sale asc) as min_city,
last_value(city)over(order by sale desc) as min_city_1,
last_value(city)over(partition by level order by sale desc rows between unbounded preceding and unbounded following) as level_min_city
from sale_detial a

 

 

 

 

四、移動

1、店鋪19年按level分組后各城市銷量前1位和后1位的城市（lag,lead)

lag/lead是按照排序規則，取前多少位和后多少位，參數有3個，第1個是要取出來的列，第2個移動多少位，第3個是如果取不到，賦予的值，默認取不到是NULL

select a.*,
lag(city,1,null)over(partition by level order by sale desc) as lag_city,
lead(city,1,'0')over(partition by level order by sale desc) as lead_city
from sale_detial a

 

 

 

 

五、切片

1、店鋪19年按銷量切片、各level按銷量切片（ntile)

ntile(n)，用於將分組數據按照順序切分成N片，返回當前切片值。ntile不支持rows between，如果切片不均勻，默認增加第一個切片的分布。

ntile這個很強大，以前要獲取一定比例的數據是非常困難的，ntile就是把有序分區中的行分發到指定數據的組中，各個組有編號，編號從1開始，對於每一行，ntile返回此行所屬的組的編號

select a.*,
ntile(3) over(order by sale desc) as total_part,
ntile(2)over(partition by level order by sale desc) as level_part
from sale_detial a

 

 

 

 

本文摘自：https://blog.csdn.net/cindy407/java/article/details/105394672