可以对窗口函数之后再加条件_SQL 窗口函数—

窗口函数是指什么？为什么要用它？怎么用？有哪些经典的案例？

1）窗口函数是什么？

窗口函数是OLAP(online analytical processing)，顾名思义，可以对数据库内的数据实时分析处理。通俗来讲，把一簇大的数据拆分成多个范围，把一面墙划分成多个窗口。

<窗口函数>一般有以下两种，

1、专用窗口函数，包括rank，dense_rank，row_number等。

2、聚合函数，如sum，avg，count，max，min等。

特点：

1、窗口函数有特定的语法结构，使用起来就像一个独立的子句。

2、窗口函数一般用于对where或者group by子句处理后的数据进行操作，（很明显按照sql执行顺序）所以窗口函数原则上只能写在select子句中。

窗口函数有什么用？

2）窗口函数怎么使用？

专用窗口函数

select

#以成绩表score为例，要求“在每个课程内按成绩排名”

rank+partition by和group by子句的区别：前者是分组排名后总行数不变，后者分组汇总后总行数改变为几大类别。前者分组排序后返回新列且有排好序的数值，后者分组后产生一个虚拟表用于后续处理。总结如下：

简单来说，窗口函数的功能：

同时实现分组和排序的作用；
不减少原表的行数；
用在select子句后，语法结构；

select

3）几个专用窗口函数的区别：

rank正常排序，并列的次序会占用位置；

dense_rank紧密排序，并列的次序不会占用位置，依然按自然数顺延；

row_number行数排序，完全不考虑并列的情况，按照行数依次排序；

面试经典排名问题（分组功能可选）

在库中score表中的内容，记录了每个学生所选的课程，和对应的成绩。

#现在需要按成绩来排名，如果两个分数相同，那么排名要是并列的且不占位置，类似1，1，1，2；

面试经典topN问题

比如如何找到每个类别下的number1？如何找到每个类别下XX方面排在前面的5个商品？

实质就是常见的：分组取最大值，最小值，每组最大的N条记录（topN记录）。

在库中score表中的内容，记录了每个学生所选的课程，和对应的成绩。

#1每组最大记录：按课程号分组取成绩最大值所在行的全部数据;

#2每组最小记录：按课程号分组取成绩最小值所在行的全部数据;

#3每组最大的N条记录：查询每个学生各科成绩前两名的记录

解题思路：针对1，2两题，group by子句和汇总函数不能得到全部的行和列数据，因此考虑使用“汇总函数+子查询”结合使用得到完整的数据。

解题思路：针对3题，同样的group by子句不能得到全部的行和列数据，而且order by+limit也不适用于分别取出每一组内的限定行数。

而由上面的对比可知，窗口函数rank() 能够实现在分组的同时保留全部数据且进行排序，因而topN适用窗口函数一步到位：

正确写法，窗口函数使用后再作为表子查询

窗口函数只能放在select子句中，因此直接在where子句中使用窗口函数中的字段作为过滤条件，会报错。

显然使用窗口函数解决topN问题更加流畅，上面1，2题同样可以按照3题的思路进行解决。

select

4）聚合函数作为窗口函数

将聚合函数替代专用窗口函数（rank（））的位置即可。语法如下：：

select

比如0004号，在使用sum窗口函数后的结果，是对0001，0002，0003，0004号的成绩求和，若是0005号，则结果是0001号~0005号成绩的求和，以此类推。

从上图执行结果来看，聚合函数作为窗口函数，是对自身所处位置，以及位于自身记录以上的数据进行sum，avg，max，min，count进行处理的结果。

注意：这里的自身记录，以及自身记录以上....一定要是有一个次序比如（0001，0002，0003），否则并列的话会都当作自身记录，会在一起处理，几行数据也会一致。下面有示例图。

这样使用窗口函数有什么用呢？

聚合函数作为窗口函数，可以在每一行的数据里直观的看到，截止到本行数据，统计数据是多少（最大值、最小值等）。同时可以看出每一行数据，对整体统计数据的影响。

那么问题是？对使用聚合函数作为窗口函数时，+partition by分组后，此时还是对当前记录和记录之上的数据进行聚合处理？事实上相当于是对“组内求平均”，因为此时组内字段值是一样的，（也即都算作当前记录），一组作为一个框架处理。示例如下：score表中按课程号分组求平均成绩...

如何在每个组内进行比较

问题：以score表为例，查找单科成绩高于该科目平均成绩的学生名单

解题思路：第一思路是前面用过的“聚合函数+关联子查询”，也适合组内比较或者组内最大最小值一类。 第二思路是使用“聚合函数做窗口函数”，同时实现聚合，分组，排序等功能。如下：

这一部分理解上出了偏差，一直纠结于成绩大于avg_score上，认为avg_score是多个值，混淆到“列子查询”上去了。此处是表内比较，数据一行一行执行的。——说明对sql执行顺序和单步运行结果仍不够熟悉；

(筛选条件可以是常量，字段，表达式，函数。。)

5）窗口函数的移动平均（rows...preceeding）

语法如下：

select

这样使用窗口函数有什么用呢？

由于这里可以通过preceding关键字调整作用范围，在以下场景中非常适用：

在公司业绩名单排名中，可以通过移动平均，直观地查看到与相邻名次业绩的平均、求和等统计数据。

直接使用聚合函数avg的窗口函数来举例说明，以score表为例：

#使用聚合函数avg的窗口函数查询学生的平均成绩（未移动平均前且用来排序的字段有并列值）

#使用聚合函数avg的窗口函数查询学生的平均成绩（未移动平均前且用来排序的字段唯一）

#使用聚合函数avg的窗口函数查询学生的平均成绩（移动平均后）

这三个不同的查询结果体会一下。再看下面的例子，

这张图中学号按次序排列，按照移动平均rows 2 preceding执行后得到的。每一行得到的结果，都是当前行和前面2行的平均（共3行）。想要计算当前行与前n行（共n+1行）的平均时，只要调整rows…preceding中间的数字即可。

框架：在移动平均中，被选出的数据可以理解为构成一个“框架”。数据的运算发生在这个框架之中。

窗口函数——知识点总结

1、窗口函数的语法

1）其中<窗口函数>的位置，可使用以下两种函数：①专用窗口函数，如rank，dense_rank，row_number等适合“经典排序问题”“排序topN问题”等；②聚合函数，如sum，avg，count，max，min等适合“组内比较、筛选问题”等；

2）partition by子句可以省略，也就是不指定分组。

2、窗口函数有以下功能：

1）可同时实现分组（partition by）和排序（order by）的功能；

2）且不减少原表的行数，所以经常用来在每组内排名；

3、注意事项

1）窗口函数原则上只能写在select子句中；

2）因为只能放在select子句中，所以如果需要对窗口函数的结果进行条件筛选，而SQL主查询中select执行顺序靠后，因此可以考虑把select 窗口函数改成一个表子查询。执行顺序就变成了第一顺位。

4、应用场景