SQL干货 | 窗口函数的使用

Python数据科学

发布于 2019-12-31 16:59:15

1.4K0

发布于 2019-12-31 16:59:15

Mysql从8.0版本开始，也和Sql Server、Oracle一样支持在查询中使用窗口函数，本文将根据官方文档，通过实例介绍窗口函数并举例分组排序函数的使用。

本文用到的学生分数表格和语句如下：

DROP TABLE IF EXISTS Marks;CREATE TABLE Marks(学生 VARCHAR(10),  
 科目 CHAR(2), 
 分数 INT);
 insert into Marks values
 ('赵四','语文',88),('赵四','数学',48),('赵四','英语',75),
 ('张三','语文',30),('张三','数学',75),('张三','英语',75),
 ('王五','语文',90),('王五','数学',94),('王五','英语',70),
 ('李四','语文',82),('李四','数学',69),('李四','英语',90);
 
 SELECT * FROM Marks;

首先创建了如下班级分数表格为例：

窗口函数可以大体分为两大类，第一类是能够作为窗口函数的聚合函数：SUM、AVG、COUNT、MAX、MIN，第二类是以RANK、DENSE_RANK、ROW_NUMBER为代表的专用窗口函数。为了便于理解窗口函数，首先以聚合函数sum()为例，下面分别使用窗口函数和聚合函数展示每个学生的成绩总分：

-- 作为窗口函数
SELECT 学生,科目,分数,
       SUM(分数) OVER (PARTITION BY 学生) AS '总分' 
        FROM Marks;

-- 与直接使用sum()聚合函数得到的结果一样
SELECT 学生,SUM(分数) AS '总分' 
 FROM Marks
 GROUP BY 学生;

在这个例子中sum()函数作为窗口函数，通过对‘学生’分区后，加总各个科目的分数得到总分，得分结果与sum()聚合函数的结果一致，但结果中保留了每一行的信息，出现了重复的总分行。

因为，所有窗口函数的执行在JOIN, WHERE, GROUP BY, HAVING的结果集之后，在ORDER BY, LIMIT, SELECT DISTINCT之前。当PARTITION BY执行时GROUP BY的聚合过程已经完成了，因此不会再产生数据聚合。

窗口函数的语法

window_function_name(expression) 
    OVER (
       [partition_defintion]
        [order_definition]
       [frame_definition]
    )

首先需要指定窗口函数的函数名，也就是在上个例子中用的sum()，之后的OVER子句中即使没有内容，括号也需要保留，窗口由[partition_defintion]，[order_definition]，[frame_definition]确定，任何一个都不是必须的。

1.partition_defintio 窗口分区

PARTITION BY expr [, expr] ...

根据表达式的计算结果来进行分区（列名也是一种表达式）。在例子中"PARTITION BY 学生"对学生列的值分区。

2. order_definition 窗口排序

ORDER BY expr [ASC|DESC] [, expr [ASC|DESC]] ...

为分区内的行的排列顺序。以下可以实现对学生的科目分数降序排列，并得出学生的科目最高分

SELECT 学生,科目,分数,
       MAX(分数) OVER (PARTITION BY 学生 ORDER BY 分数 DESC) AS '最高分' 
        FROM Marks;

3. frame_definition 窗口框架

frame_clause:
    frame_units frame_extentframe_units:
    {ROWS | RANGE}frame_extent:
    {frame_start | frame_between}frame_between:
    BETWEEN frame_start AND frame_endframe_start, frame_end: {
    CURRENT ROW
  | UNBOUNDED PRECEDING
  | UNBOUNDED FOLLOWING
  | expr PRECEDING
  | expr FOLLOWING}

窗口框架的作用对分区进一步细分，frame_unit有两种，分别是ROWS和RANGE，ROWS通过指定当前行之前或之后的固定数目的行来限制分区中的行，RANGE按照排序列的当前值，根据相同值来确定分区中的行。以下通过计算当前行的前两行的平均值计算分数的移动平均分数。

SELECT 学生,科目,分数,
       AVG(分数) OVER (PARTITION BY 学生
           ORDER BY 分数 ASC
                       ROWS 2 preceding) AS moving_avg
     FROM Marks;

下面我们使用RANGE对每个分区内从第一行到当前行计算平均值，可以看到由于RANGE根据当前值来确定行，张三的第二行就已经出现了三门的均分，对于三门分数不同的李四，滑动平均值得结果没有变化。

SELECT 学生,科目,分数,
       AVG(分数) OVER (PARTITION BY 学生
                       ORDER BY 分数 ASC
                 RANGE BETWEEN UNBOUNDED PRECEDING AND CURRENT ROW) AS AVGFROM Marks;

frame_extent指定帧的起止点，在其中也可以只用frame_start（结束位置就默认为当前行）和frame_between指定起点和终点

frame_start和frame_end可以是以下几种：

CURRENT ROW: 当前行
UNBOUNDED PRECEDING: 区间的第一行
UNBOUNDED FOLLOWING：区间的最后一行
N PRECEDING: 当前行之前的N行，可以是数字，也可以是一个能计算出数字的表达式
N FOLLOWING：当前行之后的N行，可以是数字，也可以是一个能计算出数字的表达式

如果没指定帧的话，默认的frame取决于ORDER BY。

如果有ORDER BY，SQL会默认帧是区间内从第一行（UNBOUNDED PRECEDING）到当前行（CURRENTROW）

SELECT 学生,科目,分数,
       MAX(分数) OVER (PARTITION BY 学生
                       ORDER BY 分数 ASC) AS '最高分'  FROM Marks;-- 结果相同SELECT 学生,科目,分数,
       MAX(分数) OVER (PARTITION BY 学生
           ORDER BY 分数 ASC
           RANGE BETWEEN UNBOUNDED PRECEDING AND CURRENT ROW) AS '最高分'  FROM Marks;

如果没有ORDER BY，SQL会默认帧是区间内从第一行（UNBOUNDED PRECEDING）到最后一行（UNBOUNDED FOLLOWING）

SELECT 学生,科目,分数,
       MAX(分数) OVER (PARTITION BY 学生) AS '最高分'  
       FROM Marks;

       -- 结果相同
       SELECT 学生,科目,分数,
       MAX(分数) OVER (PARTITION BY 学生
           RANGE BETWEEN UNBOUNDED PRECEDING AND UNBOUNDED FOLLOWING) AS '最高分'  
       FROM Marks;

日常我们更常用的是在窗口函数中使用排序函数：

ROW_NUMBER: 函数名即是排序方法，也就是输出结果集分区的行号（例如：1,2,3,4,5...)
RANK: 返回结果集的分区内数据进行跳跃排序。也就是为相同数值的行输出相同排序结果，对于下一行不同的数据将返回行号（例如：1,1,3,4...）
DENSE_RANK: 返回结果集分区中每行的连续排名，排名值没有间断。行排名等于该行之前不同排名值的数量加一（例如：1,1,2,3,4...）
NTILE: 将有序分区中的数据分发到指定数目的组中。以本文数据为例，将60-90分的分数等分为4组，即第1组为[90, 82.5)，第2组为[82.5, 75)，第3组为[75, 67.5)，第4组为[67.5, 60]

SELECT 学生,科目,分数 
    ,ROW_NUMBER() OVER (PARTITION BY 科目 ORDER BY 分数 DESC) AS "Row_Number"  
    ,RANK() OVER (PARTITION BY 科目 ORDER BY 分数 DESC) AS 'Rank'  
    ,DENSE_RANK() OVER (PARTITION BY 科目 ORDER BY 分数 DESC) AS "Dense_Rank"  
    ,NTILE(4) OVER (PARTITION BY 科目 ORDER BY 分数 DESC) AS 'Quartile'
   FROM Marks;