目錄一、定義二、語法格式三、分類1、聚合類2、排序類3、偏移分析函數

對一個成熟的數據分析師來說，窗口函數可以大幅提高查詢效率，且SQL代碼優雅。

一、定義

窗口可以理解為記錄集合，窗口函數就是在滿足某種條件的記錄集合上執行的特殊函數。 即：應用在窗口內的函數。

靜態窗口：每條記錄都要在此窗口內執行函數，窗口大小都是固定的。

動態窗口：不同的記錄對應著不同的窗口，這種動態變化的窗口叫滑動窗口。

二、語法格式函數名(字段名) over(子句)

over()括號內若不寫，則意味著窗口函數基于滿足where條件的所有行進行計算。

若括號內不為空，則支持以下語法來設置窗口。

函數名(字段名) over(partition by <要分列的組> order by <要排序的列> rows between <數據范圍>)

數據范圍：

rows between 2 preceding and current row # 取本行和前面兩行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 # 從前面三行和下面一行，總共五行 # 當order by后面沒有rows between時，窗口規范默認是取本行和之前所有的行# 當order by和rows between都沒有時，窗口規范默認是分組下所有行（rows between unbounded preceding and unbounded following） 三、分類1、聚合類

聚合窗口函數與普通聚合函數的區別：

普通場景下的聚合函數是將多條記錄聚合為一條**(多到一)；**窗口函數是每條記錄都會執行，有幾條記錄執行完還是幾條**(多到多)**。接下來通過解決具體需求來讓大家更加了解窗口函數的用法，希望大家閱讀完能動手練習。 先創建user_trade表：-- 現有2018~2020某電商平臺訂單信息表user_tradecreate table user_trade ( user_name varchar(20) COMMENT '用戶名', piece int COMMENT '購買數量', price double COMMENT '價格', pay_amount double COMMENT '支付金額', goods_category varchar(20) COMMENT '商品品類', pay_time date COMMENT '支付日期');

從navicat中導入以下數據源：

user_trade數據源：https://gitee.com/hu-weiqing/datasource/blob/master/user_trade.xlsx

數據隨機展示10條如下：

累計求和：sum()over()-- 需求1: 查詢出2019年每月的支付總額和當年累積支付總額 select a.mon,a.pay_amount,sum(a.pay_amount) over(order by a.mon) as sum_amountfrom(select month(a.pay_time) as mon,sum(a.pay_amount) as pay_amountfrom user_trade awhere year(a.pay_time) = '2019'group by month(a.pay_time)) a ;-- 需求2:查詢出2018-2019年每月的支付總額和當年累積支付總額select a.*,sum(a.pay_amount) over(partition by a.year order by a.mon) as sum_amountfrom(select year(a.pay_time) as year,month(a.pay_time) as mon,sum(a.pay_amount) as pay_amountfrom user_trade awhere year(a.pay_time) in('2018','2019')group by year(a.pay_time),month(a.pay_time)) a ;

需求1運行結果（部分）

需求2運行結果（部分）

移動平均：avg() over()-- 需求3: 查詢出2019年每個月的近三月移動平均支付金額select a.mon,a.pay_amount,avg(a.pay_amount) over(order by a.mon rows between 2 preceding and current row) as avg_amountfrom(select month(a.pay_time) as mon,sum(a.pay_amount) as pay_amountfrom user_trade awhere year(a.pay_time) = '2019'group by month(a.pay_time)) a ;

需求3運行結果（部分）

最大/最小值：max()/min() over()-- 需求4: 查詢出每四個月的最大月總支付金額select a.mon,a.pay_amount,max(a.pay_amount) over(order by a.mon rows between 3 preceding and current row) as max_amountfrom(select SUBSTRING(a.pay_time,1,7) as mon,sum(a.pay_amount) as pay_amountfrom user_trade agroup by SUBSTRING(a.pay_time,1,7))a ;

需求4運行結果（部分）

2、排序類row_number()、rank() 和dense_rank()-- 需求4: 查詢出每四個月的最大月總支付金額select a.mon,a.pay_amount,max(a.pay_amount) over(order by a.mon rows between 3 preceding and current row) as max_amountfrom(select SUBSTRING(a.pay_time,1,7) as mon,sum(a.pay_amount) as pay_amountfrom user_trade agroup by SUBSTRING(a.pay_time,1,7))a ;

需求5運行結果（部分）

row_number()、rank() 和dense_rank() 三種排序函數的區別：

row_number：每一行記錄生成一個序號，依次排序且不會重復。 12345…

rank：跳躍排序，生成的序號有可能不連續。11345…

dense_rank：在生成序號時是連續的。11234…

ntile(n)over()

ntile(n)用于將分組數據按照順序切分成n片，返回當前切片值. n表示切片的數量; 不支持rows between

-- 需求6: 查詢出將2020年2月的支付用戶，按照支付金額分成5組后的結果select a.user_name,sum(a.pay_amount) as pay_amount,ntile(5) over(order by sum(a.pay_amount) desc) as levelfrom user_trade awhere SUBSTRING(a.pay_time,1,7) = '2020-02'group by a.user_name;-- 需求7: 查詢出2020年支付金額排名前30%的所有用戶select a.user_name,a.pay_amountfrom (select a.user_name,sum(a.pay_amount) as pay_amount,ntile(10) over(order by sum(a.pay_amount) desc) as levelfrom user_trade awhere year(a.pay_time) = '2020'group by a.user_name) a where a.level in(1,2,3);

需求6運行結果（部分）

需求7運行結果（部分）

3、偏移分析函數lag() over()向上偏移

lag(exp_str,offset,defval) exp_str：字段名 offset：偏移量 defval：默認值。當向上偏移了offset行已經超出了表的范圍時，lag()函數將defval這個參數值作為函數的返回值，若沒有指定默認值，則返回NULL。

-- 需求8: 查詢出King和West的時間偏移(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,-- 沒有傳入偏移量，那么默認就是1，找不到的話，此處也沒有給默認值，為nulllag(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 lag4from user_trade a where a.user_name in('King','West');

需求8運行結果

lead() over()向下偏移

用法同lag()over()函數。

補充練習：

-- 需求9: 查詢出支付時間間隔超過100天的用戶數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 lgfrom user_trade a ) a where DATEDIFF(a.pay_time,a.lg) >100;# 需求9運行結果為180-- 需求10: 查詢出每年支付時間間隔最長的用戶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 lgfrom user_trade a ) b where b.lg is not null) c where c.rk = 1;

需求10運行結果

窗口函數在數據分析師的工作中應用非常廣，如果不會窗口函數，很可能同樣的需求用普通表關聯寫需要關聯很多張表，導致性能不好，查詢速度非常慢。

到此這篇關于深入解析MySQL的窗口函數的文章就介紹到這了,更多相關MySQL窗口函數內容請搜索好吧啦網以前的文章或繼續瀏覽下面的相關文章希望大家以后多多支持好吧啦網！