SQL:分析函数、排名函数、聚合函数配合窗口函数 OVER 的用法

参考 1:Microsoft 中的 SQL Server 文档(分析函数、排名行数、聚合函数、OVER窗口函数)

参考 2:SQL Server 分析函数和排名函数      博主:悦光阴

 

  • 分析函数基于分组,计算分组内数据的聚合值,经常会和窗口函数OVER()一起使用,使用分析函数可以很方便地计算同比和环比,获得中位数,获得分组的最大值和最小值。
  • 分析函数和聚合函数不同,不需要GROUP BY子句,对SELECT子句的结果集,通过OVER()子句分组;

一,分析函数

  • 分析函数通常和 OVER() 函数搭配使用,SQL Server 中共有4类分析函数。
  • 注意:distinct 子句的执行顺序是在分析函数之后。 

1,分布函数:CUME_DIST、PERCENT_RANK

  • 功能:计算某个值在某个值组内的累积分布换言之,CUME_DIST 计算某指定值在一组值中的相对位置。 
  • CUME_DIST 计算的逻辑是:小于等于当前值的行数 / 分组内总行数
  • PERCENT_RANK 计算的逻辑是:(分组内当前行的 RANK 值-1)/ (分组内总行数-1),排名值是 RANK() 函数排序的结果值
  • 示例:

    • select Department
          ,LastName
          ,Rate
          ,cume_dist() over(partition by Department order by Rate) as CumeDist
          ,percent_rank() over(partition by Department order by Rate) as PtcRank
          ,rank() over(partition by Department order by Rate asc) as rank_number
          ,count(0) over(partition by Department) as count_in_group
      from #data
      order by DepartMent
          ,Rate desc

 

 

2,分布函数:PERCENTILE_CONT、PERCENTILE_DISC

  • 功能:

    • 都是为了计算百分位的数值,比如计算在某个百分位时某个栏位的数值是多少;
    • 如,20% —— 一组数据中,分布位置在 20% 处的数值、50% —— 分布位置在 50% 处的数值,也就是中位数;
  • 语法:

    • PERCENTILE_CONT ( numeric_literal )  WITHIN GROUP ( ORDER BY order_by_expression [ ASC | DESC ] ) OVER ( [ <partition_by_clause> ] )
      PERCENTILE_DISC ( numeric_literal )  WITHIN GROUP ( ORDER BY order_by_expression [ ASC | DESC ] ) OVER ( [ <partition_by_clause> ] )
  • 区别:

    • 这两个函数的区别是前者是连续型,后者是离散型。
    • CONT代表continuous,连续值,DISC代表discrete,离散值。
      1. PERCENTILE_CONT是连续型,意味它考虑的是区间,所以值是绝对的中间值;
      2. PERCENTILE_DISC是离散型,所以它更多考虑向上或者向下取舍,而不会考虑区间;
  • 示例:

    • select Department
          ,LastName
          ,Rate
          ,PERCENTILE_CONT(0.5) WITHIN GROUP (ORDER BY Rate) OVER (PARTITION BY Department) AS MedianCont
          ,PERCENTILE_DISC(0.5) WITHIN GROUP (ORDER BY Rate) OVER (PARTITION BY Department) AS MedianDisc
          ,row_number() over(partition by Department order by Rate) as rn
      from #data
      order by DepartMent
          ,Rate asc

 

 

3,偏移函数:LAG、LEAD

  • 功能:

    • 对某列数据进行偏移;
  • 区别:

    • LAG:向下偏移 —— 如果偏移 n 行数据(即 offset=n),旧列中的第一行数据,在新列中为第 n+1 行数据;
    • LEAD:向上偏移 —— 如果偏移 n 行数据(即 offset=n),旧列中的第一行数据,在新列中为第 n+1 行数据,
  • 语法:

    • LAG (scalar_expression [,offset] [,default])
          OVER ( [ partition_by_clause ] order_by_clause )
      LEAD ( scalar_expression [ ,offset ] , [ default ] ) 
          OVER ( [ partition_by_clause ] order_by_clause )
    1. sclar_expression
      • 偏移的对象,即 旧列;
    2. offset
      • 偏移量;
        • 如,offset=n,表示偏移了 n 行数据;
        • 默认值是1,必须是正整数;
    3. default
      • 偏移后的偏移区的取值;
        • 如, LAG 偏移了 n 行,则新列中的前 n 行的数据即为 default;
      • 如果未指定默认值,则返回NULL;
      • default 可以是列,子查询或其他表达式,但数据类型必须跟 sclar_expression 类型兼容
  • 示例:

    • 结果日期,这两个函数特别适合用于计算同比和环比;
    • select DepartMent
          ,LastName
          ,Rate
          ,lag(Rate,1,0) over(partition by Department order by LastName) as LastRate
          ,lead(Rate,1,0) over(partition by Department order by LastName) as NextRate
      from #data
      order by Department
          ,LastName
    • 理解:

      1. scalar_expression = Rate:对 Rate 列的数据进行偏移;
      2. offset=1:偏移量设置为 1;(即偏移一行数据)
      3. default=0:偏移区的数据设置为 0;
        • 如新列 LastRate 的第一个分组的第 1 行数据;(向下偏移 1 行数据)
        • 如新列 NextRate 的第一个分组的第 5 行数据;(向上偏移 1 行数据)

 

 

4,偏移函数:FIRST_VALUE、LAST_VALUE、NTH_VALUE

  • 功能:

    • FIRST_VALUE:返回 scalar_expression 列中,分组中的第一行的数据;
    • LAST_VALUE:返回 scalar_expression 列中,分组中的最后一行的数据;
    • NTH_VALUE:返回 scalar_expression 列中,每个分组的偏移量;(即 offset 值)
  • 语法:

    • LAST_VALUE ( [scalar_expression ) OVER ( [ partition_by_clause ] order_by_clause rows_range_clause )
      FIRST_VALUE ( [scalar_expression ] ) OVER ( [ partition_by_clause ] order_by_clause [ rows_range_clause ] )
      • scalar_expression —— 目标列:如果对该列进行了分组和排序,则返回该列中的每个分组中的第一行 / 最后一行的数据;
  • 示例:

    • USE AdventureWorks2012;  
      GO  
      SELECT Name, ListPrice,   
             FIRST_VALUE(Name) OVER (ORDER BY ListPrice ASC) AS LeastExpensive   
      FROM Production.Product  
      WHERE ProductSubcategoryID = 37; 

      • 理解:返回结果集中 Name 列中的第一行数据;

 

 

二,排名函数

  • TSQL共有4个排名函数:RANK、NTILE、DENSE_RANK、ROW_NUMBER,和 OVER() 函数搭配使用,按照特定的顺序排名。

1,ROW_NUMBER

  • 这个函数赋予唯一的连续位次;
    • 如,有 3 条排在第1位时,排序为:1,2,3,4······
    • ROW_NUMBER ( ) OVER ( [ PARTITION_BY_clause ] order_by_clause )

       

    • 分组内序列的最大值就是该分组内的行的数目;

 

 

2,RANK

  • 功能:在计算排序时,若存在相同位次,会跳过之后的位次;
    • 如,有3条排在第1位时,排序为:1,1,1,4······
    • RANK ( ) OVER ( [ partition_by_clause ] order_by_clause )

 

 

3,DENSE_RANK

  • 功能: 在计算排序时,若存在相同位次,不会跳过之后的位次。
    • 如,有3条排在第1位时,排序为:1,1,1,2······
    • DENSE_RANK ( ) OVER ( [ <partition_by_clause> ] < order_by_clause > )

 

 

4,NTILE

  • 功能:对每个分组的所有数据进行分块标记,每个标记就是该行数据所在第几个数据块;
    • 如,integer_expression=3:把一个分组的数据分成 3 分;(则每个数据块的行数 = 分组数据总行数 / 3,如果不能整除,最后一个数据块的数据记录最少)
  • 语法:

    • NTILE (integer_expression) OVER ( [ <partition_by_clause> ] < order_by_clause > )

 

 

  • 示例

 

    • select Department,
             LastName,
             Rate,
             row_number() over(order by Rate) as [row number],
             rank() over(order by rate) as rate_rank,
             dense_rank() over(order by rate) as rate_dense_rank,
             ntile(4) over(order by rate) as quartile_by_rate
      from   test_data

 

 

三、聚合函数 配合 OVER 函数

  • 一般配合 OVER 函数使用的聚合函数:SUM、COUNT、AVG、MAX、MIN
  • 功能:

    • SUM、AVG:返回累积计算结果;
      • 如,第 n 行的数据,是从前 n 行数据中计算得到;
    • COUNT、MAX、MIN:返回分组中的行数、最大值、最小值,一个分组返回一行数;
  • 语法:

    • 对一列的分组进行计算
      • <窗口函数> OVER([pattition by col_a] ORDER BY col_b)
    • 不分组,直接对某列进行计算
      • <窗口函数(col_a)> OVER(ORDER BY col_b)

 

  • 示例:

  • SUM:累积求和

    • 第 n 行数据为前 n 行数据的总和
    • select product_id, product_name, sale_price,
             sum(sale_price) over (order by product_id) as current_sum
      from Product;

 

  • AVG:累积求平均

    • 第 n 行的数据为前 n 行数据的平均数
    • select product_id, product_name, sale_price,
             avg(sale_price) over (order by product_id) as current_sum
      from Product;

 

 

  • AVG:移动平均(一)

    • 计算前 n 行 + 改行数据的平均值;
      • 如,n=2:计算相邻 3 行数据,即 (前 2 行 + 本身行数据) / 3;
        • 如,当 n=2 时,第 10 行的数据 = (第8行 + 第9行 + 第10行) / 3
    • 语法:

      • <聚合函数> OVER([PARTITION BY col_a] ORDER BY col_b ROWS n PRECEDING)
    • 示例:

      • SELECT product_id, product_name, sale_price,
               AVG (sale_price) OVER (ORDER BY product_id ROWS 2 PRECEDING) AS moving_avg
        FROM Product;

        • n = 2:计算前两行+本行数据的平均值;
        1. 第 3 行:1833 = (1000+500+4000) / 3
        2. 第 4 行:2500 = (500+4000+3000) / 3
        3. 第 5 行:4600 = (4000+3000+6800) / 3

 

  • AVG:移动平均(二)

    • 功能:(计算上一行 + 下一行 + 该行) / 3
    • 语法及示例:

      • SELECT product_id, product_name, sale_price,
               AVG(sale_price) OVER (ORDER BY product_id
                                      ROWS BETWEEN 1 PRECEDING AND 1 FOLLOWING) AS moving_avg
        --使用between规划范围,语句意思为rows 1 preceding 到 rows 1 following FROM Product;

        • 4600 = (4000+3000+6800) / 3

 

 

 

 

 

 

 

 

posted @ 2020-10-03 12:38  何永灿  阅读(4683)  评论(0编辑  收藏  举报