MYSQL开窗函数详解

基本概念

MYSQL8.0支持窗口函数（Window Function），也称分析函数。窗口函数与组分聚合函数类似，但是每一行数据都会生成一个结果。如果我们将mysql与pandas中的DataFrame做类比学习的话他们的对应关系如下：

SQL分组聚合函数对应 => df.groupby([‘分组字段’])[‘目标’].agg()/apply()
SQL开窗函数对应 => df.groupby([‘分组字段’])[‘目标’].transform()

所以以下函数：SUM/AVG/COUNT/MAX/MIN等既能做聚合函数又能做窗口函数，可称聚合窗口函数。

如果对pandas的DataFrame中agg()/apply()/transform()这三个方法比较清楚的小伙伴，下面学习开窗函数会特别简单。

窗口函数表达式

function(args）over(
partition by …
order by… [desc]
frame
)

partition by：按照指定字段进行分区，两个分区由边界分隔，开窗函数在不同的分区内分别执行，在跨越分区边界时重新初始化。
order by：按照指定字段进行排序，开窗函数将按照排序后的记录顺序进行编号。可以和partition
by子句配合使用，也可以单独使用。
frame：当前分区的一个子集，用来定义子集的规则，通常用来作为滑动窗口使用。

对于滑动窗口的范围指定，通常使用rows between frame_start and frame_end 语法来表示行范围，frame_start 和 frame_end 可以支持如下关键字，来确定不同的动态行记录：

current row 边界是当前行，一般和其他范围关键字一起使用
unbounded preceding 边界是分区中的第一行
unbounded following 边界是分区中的最后一行
expr preceding 边界是当前行减去expr的值
expr following 边界是当前行加上expr的值

窗口函数之-排序函数

row_number() ：序号不重复，序号连续
dense_rank() ：序号可以重复，序号连续
rank() ：序号可以重复，序号不连续

分数排序leetcode178题【不分组排序】

select score,dense_rank() over(order by score desc) as 'rank'
from Scores

部门工资最高员工leetcode184题【分组排序】

select
Department,
Employee,
Salary
from
#----------将下面看作一个表----------
(select
b.name as Department,
a.name as Employee,
Salary,
rank() over(partition by departmentID order by salary desc) as salary_rank
from Employee a
join Department b
on a.departmentID = b.id) t
#----------用dense_rank()效果一样------------
where
salary_rank=1

窗口函数之-滑动窗口

实战演练：

select product,year_month,gmv,avg(gmv) over (partition by department, product order by year_month rows 2 preceding) as avg_gmv
from product

输出结果：

滚动求从上架到本月平均GMV？

select product,year_month,gmv,avg(gmv) over (partition by department, product order by year_month) as avg_gmv
from product

等价与：

select product,year_month,gmv,avg(gmv) over (partition by department, product order by year_month rows unbounded preceding) as avg_gmv
from product

注意：若需要求组内所有数据的平均：

select product,year_month,gmv,avg(gmv) over (partition by department, product) as avg_gmv
from product

窗口函数之-前后函数

应用：求同比增长、环比增长

lead(expression,n):返回当前行的后n行 => shift(-n) 数据超前n阶，与之对齐的就是后n行的数据
lag(expression,n):返回当前行的前n行=> shift(n)数据滞后n阶，与之对齐的就是前n行的数据

参数解析：
expression：作用的字段
n:阶数

select product,year_month,department,gmv,lag(gmv,1) over (partition by department, product order by year_month) as lag_gmv,cast(gmv as double) / lag(gmv,1) over (partition by department, product order by year_month) - 1 as growth_rate
from product

简化写法：

select product,year_month,department,gmv,lag(gmv,1) over w as lag_gmv,cast(gmv as double) / lag(gmv,1) over w - 1 as growth_rate
from product
WINDOW w as (partition by department, product order by year_month)

注意：cast(gmv as double)是将gmv转化为double类型。

问题：
日期不连续怎么办？
可以通过join万年历解决。

窗口函数求top 10%

percent_rank():公式 =（分组内当前的rank值-1）/（分组内总行数-1）
cume_dist():公式 =（分组内当前的rank值）/（分组内总行数）

对求解出的结果做限制result<=0.1即可得到前10%

ntile(n)
功能：（相当于排序后分桶 / 百分位分桶）
将排序分区划分特定数量的组；对应每一行，ntile(n)函数返回一个桶号，表示当前行所属的组。

求top10%:去ntile(n)中的n=10分桶后得到组号为1的即为前10%。