MySQL-窗口函数

本文内容导航：

一、定义

窗口可以理解为记录集合，窗口函数就是在满足某种条件的记录集合上执行的特殊函数。
即：应用在窗口内的函数。

静态窗口：每条记录都要在此窗口内执行函数，窗口大小都是固定的。

动态窗口：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。

二、语法格式

函数名(字段名) over(子句) 

over()括号内若不写，则意味着窗口函数基于满足where条件的所有行进行计算。

若括号内不为空，则支持以下语法来设置窗口。

函数名(字段名) over(partition by <要分列的组> order by <要排序的列> rows between <数据范围>) 

数据范围：

rows between 2 preceding and current row # 取本行和前面两行

rows between unbounded preceding and current row # 取本行和之前所有的行 

rows between current row and unbounded following # 取本行和之后所有的行 

rows between 3 preceding and 1 following # 从前面三行和下面一行，总共五行 

# 当order by后面没有rows between时，窗口规范默认是取本行和之前所有的行

# 当order by和rows between都没有时，窗口规范默认是分组下所有行（rows between unbounded preceding and unbounded following） 

三、分类

1、聚合类

⭐️聚合窗口函数与普通聚合函数的区别：

• 普通场景下的聚合函数是将多条记录聚合为一条(多到一)；
• 窗口函数是每条记录都会执行，有几条记录执行完还是几条(多到多)。

接下来通过解决具体需求来让大家更加了解窗口函数的用法，希望大家阅读完能动手练习。
先创建user_trade表：

-- 现有2018~2020某电商平台订单信息表user_trade
create table user_trade (
 user_name  varchar(20) COMMENT '用户名',
 piece  int COMMENT '购买数量',
 price  double COMMENT '价格',
 pay_amount double COMMENT '支付金额',
 goods_category varchar(20) COMMENT '商品品类',
 pay_time date COMMENT '支付日期'
);

从navicat中导入以下数据源：

数据源：user_trade​gitee.com/hu-weiqing/datasource/blob/master/user_trade.xlsx

数据随机展示10条如下：

• 累计求和：sum()over()

-- 需求1: 查询出2019年每月的支付总额和当年累积支付总额 
select a.mon,a.pay_amount,sum(a.pay_amount) over(order by a.mon) as sum_amount
from(

select month(a.pay_time) as mon,sum(a.pay_amount) as pay_amount
from user_trade a
where year(a.pay_time) = '2019'
group by month(a.pay_time)
) a ;


-- 需求2:查询出2018-2019年每月的支付总额和当年累积支付总额
select a.*,sum(a.pay_amount) over(partition by a.year order by a.mon) as sum_amount
from(

select year(a.pay_time) as year,month(a.pay_time) as mon,sum(a.pay_amount) as pay_amount
from user_trade a
where year(a.pay_time) in('2018','2019')
group by year(a.pay_time),month(a.pay_time)
) a ;

需求1运行结果（部分）需求2运行结果（部分）

• 移动平均：avg() over()

-- 需求3: 查询出2019年每个月的近三月移动平均支付金额
select a.mon,a.pay_amount,
avg(a.pay_amount) over(order by a.mon rows between 2 preceding and current row) as avg_amount
from(

select month(a.pay_time) as mon,sum(a.pay_amount) as pay_amount
from user_trade a
where year(a.pay_time) = '2019'
group by month(a.pay_time)
) a ;

需求3运行结果（部分）

• 最大/最小值：max()/min() over()

-- 需求4: 查询出每四个月的最大月总支付金额
select 
a.mon,
a.pay_amount,
max(a.pay_amount) over(order by a.mon rows between 3 preceding and current row) as max_amount
from(

select SUBSTRING(a.pay_time,1,7) as mon,sum(a.pay_amount) as pay_amount
from user_trade a
group by SUBSTRING(a.pay_time,1,7)
)a ;

需求4运行结果（部分）

2、排序类

• row_number()、rank() 和dense_rank()

-- 需求5: 2020年1月，购买商品品类数的用户排名
select 
a.user_name,
count(distinct a.goods_category) as cat_num,
ROW_NUMBER() over(order by count(distinct a.goods_category)) as rank1,
rank() over(order by count(distinct a.goods_category)) as rank2,
DENSE_RANK() over(order by count(distinct a.goods_category)) as rank3
from user_trade a
where SUBSTRING(a.pay_time,1,7) = '2020-01'
group by a.user_name;

需求5运行结果（部分）

⭐️row_number()、rank() 和dense_rank() 三种排序函数的区别：

row_number：每一行记录生成一个序号，依次排序且不会重复。 1234...
rank：跳跃排序，生成的序号有可能不连续。1134..
dense_rank：在生成序号时是连续的。1123...

• ntile(n)over()

ntile(n)用于将分组数据按照顺序切分成n片，返回当前切片值.
n表示切片的数量;
不支持rows between

-- 需求6: 查询出将2020年2月的支付用户，按照支付金额分成5组后的结果
select 
a.user_name,
sum(a.pay_amount) as pay_amount,
ntile(5) over(order by sum(a.pay_amount) desc) as level
from user_trade a
where SUBSTRING(a.pay_time,1,7) = '2020-02'
group by a.user_name;



-- 需求7: 查询出2020年支付金额排名前30%的所有用户
select a.user_name,a.pay_amount
from (

select 
a.user_name,
sum(a.pay_amount) as pay_amount,
ntile(10) over(order by sum(a.pay_amount) desc) as level
from user_trade a
where year(a.pay_time) = '2020'
group by a.user_name
) a 
where a.level in(1,2,3);

需求6运行结果（部分）需求7运行结果（部分）

3、偏移分析函数

• lag() over()向上偏移

lag(exp_str,offset,defval)
exp_str：字段名
offset：偏移量
defval：默认值。当向上偏移了offset行已经超出了表的范围时，lag()函数将defval这个参数值作为函数的返回值，若没有指定默认值，则返回NULL。

-- 需求8: 查询出King和West的时间偏移(前N行)
select a.user_name,a.pay_time,
lag(a.pay_time,1,a.pay_time) over(partition by a.user_name order by a.pay_time) as lag1,
-- 没有传入偏移量，那么默认就是1，找不到的话，此处也没有给默认值，为null
lag(a.pay_time) over(partition by a.user_name order by a.pay_time) as lag2,
lag(a.pay_time,2,a.pay_time) over(partition by a.user_name order by a.pay_time) as lag3,
lag(a.pay_time,2) over(partition by a.user_name order by a.pay_time) as lag4
from user_trade a 
where a.user_name in('King','West');

需求8运行结果

• lead() over()向下偏移

用法同lag()over()函数。

 

补充练习：

-- 需求9: 查询出支付时间间隔超过100天的用户数
select count(distinct a.user_name)
from (
select a.user_name,a.pay_time,
lag(a.pay_time) over(partition by a.user_name order by a.pay_time) as lg
from user_trade a 
) a 
where DATEDIFF(a.pay_time,a.lg) >100;

# 需求9运行结果为180


-- 需求10: 查询出每年支付时间间隔最长的用户
select c.years,c.user_name,c.pay_days 
from(

select b.years,b.user_name,datediff(b.pay_time,b.lg) as pay_days,
rank() over(partition by b.years order by datediff(b.pay_time,b.lg) desc) as rk 
from (

select year(a.pay_time) as years,a.user_name,a.pay_time,
lag(a.pay_time) over(partition by a.user_name,year(a.pay_time) order by a.pay_time) as lg
from user_trade a 
) b 
where b.lg is not null
) c 
where c.rk = 1;

需求10运行结果

窗口函数在数据分析师的工作中应用非常广，如果不会窗口函数，很可能同样的需求用普通表关联写需要关联很多张表，导致性能不好，查询速度非常慢。

本文内容需多练习，与诸君共勉。