DM达梦数据库分析函数整理
引言
在复杂的数据分析场景中，达梦数据库的分析函数扮演着至关重要的角色。它们允许用户在单个查询中对数据进行分组、排序、排名及聚合计算，极大地提升了数据分析的灵活性和效率。本篇将深入探讨达梦数据库中几种关键的分析函数，并通过具体案例SQL来解析其用法，帮助你更好地掌握这些强大的工具。
一、窗口函数基础
窗口函数（Window Function）在处理数据时，为每一行数据定义了一个“窗口”（一组行），在该窗口内进行计算。这使得我们能够在保留表的原始行结构的同时，进行分组统计或排序比较。
1. RANK()与DENSE_RANK()
案例：员工销售排名
假设有一个sales_data表，记录了员工的销售业绩。
SELECT
employee_id,
sale_amount,
RANK() OVER (ORDER BY sale_amount DESC) AS rank,
DENSE_RANK() OVER (ORDER BY sale_amount DESC) AS dense_rank
FROM sales_data;RANK()会为销售金额降序排列的每个员工分配一个唯一的排名，相同销售额的员工会有相同的排名，但会导致后续排名跳过（如两个第一，则无第二，直接到第三）。DENSE_RANK()则不会跳过排名，即使有相同的销售额，也会紧接上一个排名给出下一个连续的排名。
二、分组累加与平均值
2. SUM() OVER ()与AVG() OVER ()
案例：计算累计销售额与平均销售额
SELECT
month,
SUM(sale_amount) OVER (ORDER BY month) AS cumulative_sales,
AVG(sale_amount) OVER (ORDER BY month) AS moving_average
FROM sales_data;SUM() OVER ()按月份顺序计算累计销售额。AVG() OVER ()计算截至当前月的移动平均销售额。
三、分区分组与排序
3. PARTITION BY与ORDER BY
案例：按部门计算员工销售排名
SELECT
department,
employee_id,
sale_amount,
RANK() OVER (PARTITION BY department ORDER BY sale_amount DESC) AS department_rank
FROM sales_data;- 使用
PARTITION BY department对不同部门内的员工销售业绩进行独立排名。
四、偏移量函数
4. LAG()与LEAD()
案例：获取上个月与下个月的销售额
SELECT
month,
sale_amount,
LAG(sale_amount) OVER (ORDER BY month) AS prev_month_sales,
LEAD(sale_amount) OVER (ORDER BY month) AS next_month_sales
FROM sales_data;LAG()获取前一行（上个月）的销售额。LEAD()获取后一行（下个月）的销售额。
五、统计函数
5. COUNT() OVER ()与ROW_NUMBER()
案例：统计部门内员工总数及分配行号
SELECT
department,
employee_id,
ROW_NUMBER() OVER (PARTITION BY department ORDER BY hire_date) AS row_num,
COUNT(*) OVER (PARTITION BY department) AS total_employees
FROM employee_details;COUNT() OVER (PARTITION BY department)计算每个部门的员工总数。ROW_NUMBER()按部门及入职日期为员工分配行号。
本文参与 腾讯云自媒体同步曝光计划，分享自作者个人站点/博客。
原始发表：2024-07-02，如有侵权请联系 cloudcommunity@tencent.com 删除
评论
登录后参与评论
推荐阅读
目录
相关产品与服务
数据库
云数据库为企业提供了完善的关系型数据库、非关系型数据库、分析型数据库和数据库生态工具。您可以通过产品选择和组合搭建，轻松实现高可靠、高可用性、高性能等数据库需求。云数据库服务也可大幅减少您的运维工作量，更专注于业务发展，让企业一站式享受数据上云及分布式架构的技术红利！