SQL窗口函数

什么是窗口函数

SQL窗口函数为在线分析处理（OLAP）和商业智能（BI）提供了复杂分析和报表统计的功能，例如产品的累计销售额统计、分类排名、同比/环比分析等。这些功能通常很难通过聚合函数和分组操作来实现。

窗口函数（Window Function）可以像聚合函数一样对一组数据进行分析并返回结果，二者的不同之处在于，窗口函数不是将一组数据汇总成单个结果，而是为每一行数据都返回一个结果。聚合函数和窗口函数的区别如下图所示。

以SUM函数为例演示这两种函数的差异，以下语句中的SUM()是一个聚合函数：

SELECT SUM(salary) AS "所有员工月薪总和"
FROM employee

以上SUM函数可作为聚合函数使用，表示将所有员工的数据汇总成一个结果。因此，查询返回了所有员工的月薪总和： 

以下语句中的SUM()是一个窗口函数：

SELECT emp_name AS "员工姓名",SUM(salary) OVER () AS "所有员工月薪总和"
FROM employee;

其中，关键字OVER表明SUM()是一个窗口函数。括号内为空，表示将所有数据作为一个分组进行汇总。该查询返回的结果如下：

以上查询结果返回了所有的员工姓名，并且通过聚合函数SUM()为每个员工都返回了相同的汇总结果。

从以上示例中可以看出，窗口函数的语法与聚合函数的不同之处在于，它包含了一个OVER子句。OVER子句用于指定一个数据分析的窗口，完整的窗口函数定义如下：

其中window_function是窗口函数的名称，expression是可选的分析对象（字段名或者表达式），OVER子句包含分区（PARTITION BY）、排序（ORDER BY）以及窗口大小（frame_clause）3个选项。

提示：聚合函数将同一个分组内的多行数据汇总成单个结果，窗口函数则保留了所有的原始数据。在某些数据库中，窗口函数也被称为在线分析处理（OLAP）函数，或者分析函数（Analytic Function）。

窗口函数组成部分

1.创建数据分区

窗口函数OVER子句中的PARTITION BY选项用于定义分区，其作用类似于查询语句中的GROUP BY子句。如果我们指定了分区选项，窗口函数将会分别针对每个分区单独进行分析。

例如，以下语句按照不同部门分别统计员工的月薪合计：

SELECT emp_name AS "员工姓名",salary "月薪",dept_id AS "部门编号",SUM(salary) OVER (
         PARTITION BY dept_id
       ) AS "部门合计"
FROM employee;

其中，PARTITION BY选项表示按照部门进行分区。查询返回的结果如下：

查询结果中的前3行数据属于同一个部门，因此它们对应的部门合计字段都等于80000（30000+26000+24000）。其他部门的员工采用同样的方式进行统计。

提示：在窗口函数OVER子句中指定了PARTITION BY选项之后，我们无须使用GROUP BY子句也能获得分组统计结果。

如果不指定PARTITION BY选项，表示将全部数据作为一个整体进行分析。

2.分区内的排序

窗口函数OVER子句中的ORDER BY选项用于指定分区内数据的排序方式，作用类似于查询语句中的ORDER BY子句。

排序选项通常用于数据的分类排名。例如，以下语句用于分析员工在部门内的月薪排名：

SELECT emp_name AS "员工姓名",RANK() OVER (
         PARTITION BY dept_id
         ORDER BY salary DESC
       ) AS "部门内排名"
FROM employee;

其中，RANK函数用于计算数据的名次，PARTITION BY选项表示按照部门进行分区，ORDER BY选项表示在部门内按照月薪从高到低进行排序。查询返回的结果如下：

查询结果中的前3行数据属于同一个部门：“刘备”的月薪最高，在部门内排名第1；“关羽”排名第2；“张飞”排名第3。其他部门的员工采用同样的方式进行排名。

提示：窗口函数OVER子句中的ORDER BY选项和查询语句中的ORDER BY子句的使用方法相同。因此，也可以使用NULLS FIRST或者NULLS LAST选项指定空值的排序位置。

3.指定窗口大小

窗口函数OVER子句中的frame_clause选项用于指定一个移动的分析窗口，窗口总是位于分区的范围之内，是分区的一个子集。在指定了分析窗口之后，窗口函数不再基于分区进行分析，而是基于窗口内的数据进行分析。

窗口选项可以用于实现各种复杂的分析功能，例如计算累计到当前日期为止的销售额总和，每个月及其前后各N个月的平均销售额等。

指定窗口大小的具体选项如下：

其中，ROWS表示以数据行为单位计算窗口的偏移量，RANGE表示以数值（例如10天、5km等）为单位计算窗口的偏移量。

frame_start选项用于定义窗口的起始位置，可以指定以下内容之一：
●UNBOUNDED PRECEDING——表示窗口从分区的第一行开始。
●N PRECEDING——表示窗口从当前行之前的第N行开始。
●CURRENT ROW——表示窗口从当前行开始。

frame_end选项用于定义窗口的结束位置，可以指定以下内容之一：
●CURRENT ROW——表示窗口到当前行结束。
●M FOLLOWING——表示窗口到当前行之后的第M行结束。
●UNBOUNDED FOLLOWING——表示窗口到分区的最后一行结束。

下图说明了这些窗口大小选项的含义

下面语句表示分析窗口从当前分区的第一行开始，直到当前行结束，即对应到图中前面5行记录。

ROWS BETWEEN UNBOUNDED PRECEDING AND CURRENT ROW

窗口函数分类

1.聚合窗口函数

许多常见的聚合函数也可以作为窗口函数使用，包括AVG()、SUM()、COUNT()、MAX()以及MIN()等函数。

SQL窗口函数-聚合窗口函数

2.排名窗口函数

排名窗口函数用于对数据进行分组排名，包括ROW_NUMBER()、RANK()、DENSE_RANK()、PERCENT_RANK()、CUME_DIST()以及NTILE()等函数。

SQL窗口函数-排名窗口函数

3.取值窗口函数

取值窗口函数用于返回指定位置上的数据行，包括FIRST_VALUE()、LAST_VALUE()、LAG()、LEAD()、NTH_VALUE()等函数。

SQL窗口函数-取值窗口函数

示例表和脚本

--员工信息表
CREATE TABLE employee
    ( emp_id    NUMBER,emp_name  VARCHAR2(50) NOT NULL,sex       VARCHAR2(10) NOT NULL,dept_id   INTEGER NOT NULL,manager   INTEGER,hire_date DATE NOT NULL,job_id    INTEGER NOT NULL,salary    NUMERIC(8,2) NOT NULL,bonus     NUMERIC(8,2),email     VARCHAR2(100) NOT NULL,comments  VARCHAR2(500),create_by VARCHAR2(50) NOT NULL,create_ts TIMESTAMP NOT NULL,update_by VARCHAR2(50),update_ts TIMESTAMP
    ) ;
COMMENT ON TABLE employee IS '员工信息表';
COMMENT ON COLUMN employee.emp_id IS '员工编号，自增主键';
COMMENT ON COLUMN employee.emp_name IS '员工姓名';
COMMENT ON COLUMN employee.sex IS '性别';
COMMENT ON COLUMN employee.dept_id IS '部门编号';
COMMENT ON COLUMN employee.manager IS '上级经理';
COMMENT ON COLUMN employee.hire_date IS '入职日期';
COMMENT ON COLUMN employee.job_id IS '职位编号';
COMMENT ON COLUMN employee.salary IS '月薪';
COMMENT ON COLUMN employee.bonus IS '年终奖金';
COMMENT ON COLUMN employee.email IS '电子邮箱';
COMMENT ON COLUMN employee.comments IS '备注信息';
COMMENT ON COLUMN employee.create_by IS '创建者';
COMMENT ON COLUMN employee.create_ts IS '创建时间';
COMMENT ON COLUMN employee.update_by IS '修改者';
COMMENT ON COLUMN employee.update_ts IS '修改时间';
 
 
INSERT INTO employee(EMP_ID,emp_name,sex,dept_id,manager,hire_date,job_id,salary,bonus,email,comments,create_by,create_ts,update_by,update_ts) VALUES (1,'刘备','男',1,NULL,DATE '2000-01-01',30000,10000,'[e-mail]','Admin',TIMESTAMP '2000-01-01 10:00:00',NULL);
INSERT INTO employee(EMP_ID,update_ts) VALUES (2,'关羽',2,26000,'[e-mail]',update_ts) VALUES (3,'张飞',24000,'[e-mail]',update_ts) VALUES (4,'诸葛亮',DATE '2006-03-15',3,8000,'[e-mail]',TIMESTAMP '2006-03-15 10:00:00',update_ts) VALUES (5,'黄忠',4,DATE '2008-10-25','[e-mail]',TIMESTAMP '2008-10-25 10:00:00',update_ts) VALUES (6,'魏延',DATE '2007-04-01',7500,'[e-mail]',TIMESTAMP '2007-04-01 10:00:00',update_ts) VALUES (7,'孙尚香','女',DATE '2002-08-08',5,12000,5000,'[e-mail]',TIMESTAMP '2002-08-08 10:00:00',update_ts) VALUES (8,'孙丫鬟',7,6,6000,'[e-mail]',update_ts) VALUES (9,'赵云',DATE '2005-12-19',15000,'[e-mail]',TIMESTAMP '2005-12-19 10:00:00',TIMESTAMP '2006-12-31 10:00:00');
INSERT INTO employee(EMP_ID,update_ts) VALUES (10,'廖化',9,DATE '2009-02-17',8,6500,'[e-mail]',TIMESTAMP '2009-02-17 10:00:00',update_ts) VALUES (11,'关平',DATE '2011-07-24',6800,'[e-mail]',TIMESTAMP '2011-07-24 10:00:00',update_ts) VALUES (12,'赵氏',DATE '2011-11-10',6600,'[e-mail]',TIMESTAMP '2011-11-10 10:00:00',update_ts) VALUES (13,'关兴',DATE '2011-07-30',7000,'[e-mail]',TIMESTAMP '2011-07-30 10:00:00',update_ts) VALUES (14,'张苞',DATE '2012-05-31','[e-mail]',TIMESTAMP '2012-05-31 10:00:00',update_ts) VALUES (15,'赵统',DATE '2012-05-03','[e-mail]',TIMESTAMP '2012-05-03 10:00:00',update_ts) VALUES (16,'周仓',DATE '2010-02-20','[e-mail]',TIMESTAMP '2010-02-20 10:00:00',update_ts) VALUES (17,'马岱',DATE '2014-09-16',5800,'[e-mail]',TIMESTAMP '2014-09-16 10:00:00',update_ts) VALUES (18,'法正',DATE '2017-04-09','[e-mail]',TIMESTAMP '2017-04-09 10:00:00',update_ts) VALUES (19,'庞统',18,DATE '2017-06-06',10,4100,2000,'[e-mail]',TIMESTAMP '2017-06-06 10:00:00',update_ts) VALUES (20,'蒋琬',DATE '2018-01-28',4000,1500,'[e-mail]',TIMESTAMP '2018-01-28 10:00:00',update_ts) VALUES (21,'黄权',DATE '2018-03-14',4200,'[e-mail]',TIMESTAMP '2018-03-14 10:00:00',update_ts) VALUES (22,'糜竺',DATE '2018-03-27',4300,'[e-mail]',TIMESTAMP '2018-03-27 10:00:00',update_ts) VALUES (23,'邓芝',DATE '2018-11-11','[e-mail]',TIMESTAMP '2018-11-11 10:00:00',update_ts) VALUES (24,'简雍',DATE '2019-05-11',4800,'[e-mail]',TIMESTAMP '2019-05-11 10:00:00',update_ts) VALUES (25,'孙乾',DATE '2018-10-09',4700,'[e-mail]',TIMESTAMP '2018-10-09 10:00:00',NULL);