datawhale9月组队学习task05SQL高级操作

Posted 2021-10-12 临风而眠

datawhale9月组队学习task05 SQL高级操作

文章目录

• datawhale9月组队学习task05 SQL高级操作
• • 一.窗口函数
  • • 1.概念、基本使用方法
  • 二.窗口函数种类
  • • 1.专用窗口函数
    • 2.聚合函数在窗口函数上的使用
  • 三.窗口函数的应用-计算移动平均
  • • • 注意事项
  • 四.GROUPING 运算符
  • • • 计算合计及小计

一.窗口函数

1.概念、基本使用方法

• 窗口函数(OLAP函数)

  • Online AnalyticalProcessing
  • 对数据库进行实时分析处理

• 窗口函数可以让我们有选择的对某一部分数据进行汇总、计算和排序

  • 常规的SELECT语句是对整张表进行查询的

• 通用形式

  <窗口函数> OVER ([PARTITION BY <列名>]
                       ORDER BY <排序用列名>)  
  

  • []中的内容可省略
  • PARTITION BY
    • 用于分组：选择要看哪个窗口
      • 类似于GROUP BY子句的分组功能，但是PARTITION BY子句不具备GROUP BY子句的汇总功能，不会改变原始表中记录的行数
  • ORDER BY
    • 用于排序：决定窗口内，是按哪种规则(字段)来排序

• 例

  SELECT product_name
         ,product_type
         ,sale_price
         ,RANK() OVER (PARTITION BY product_type
                           ORDER BY sale_price) AS ranking
    FROM product;
  

  • 运行结果

    

  • PARTITION BY 能够设定窗口对象范围

    • 上面指定了product_type使之按照商品种类进行排序，即一个商品种类就是一个小的"窗口"、

  • ORDER BY 能够指定按照哪一列、何种顺序进行排序

    • 上面指定了sale_price，使之按照销售单价的升序进行排列

      ​ 窗口函数中的ORDER BY与SELECT语句末尾的ORDER BY一样，可以通过关键字ASC/DESC来指定升序/降序。省略该关键字时会默认按照ASC，也就是升序进行排序。本例中就省略了上述关键字

  • 

二.窗口函数种类

• 大致两类
  • 使用了聚合函数的窗口函数
    • 如SUM MAX MIN等聚合函数
  • 排序用的专用窗口函数
    • RANK DENSE_RANK

1.专用窗口函数

SELECT product_name,
       product_type,
       sale_price,
       RANK() OVER (ORDER BY  sale_price) AS ranking,
       DENSE_RANK() OVER (ORDER BY sale_price) AS dense_ranking,
       ROW_NUMBER() OVER (ORDER BY sale_price) AS row_num
FROM product;

不写rank的话，表头会有点长

2.聚合函数在窗口函数上的使用

• 聚合函数在开窗函数中的使用方法和之前的专用窗口函数一样，只是出来的结果是一个累计的聚合函数值

• 例

  SELECT  product_id
         ,product_name
         ,sale_price
         ,SUM(sale_price) OVER (ORDER BY product_id) AS current_sum
         ,AVG(sale_price) OVER (ORDER BY product_id) AS current_avg
    FROM product;
  

  

• 可以看出，聚合函数结果是，按我们指定的排序，这里是product_id，当前所在行及之前所有的行的合计或均值。即累计到当前行的聚合

三.窗口函数的应用-计算移动平均

• 上面提到，聚合函数在窗口函数使用时，计算的是累积到当前行的所有的数据的聚合。 实际上，还可以指定更加详细的汇总范围。该汇总范围成为框架(frame)

• 语法

  <窗口函数> OVER (ORDER BY <排序用列名>
                   ROWS n PRECEDING )  
                   
  <窗口函数> OVER (ORDER BY <排序用列名>
                   ROWS BETWEEN n PRECEDING AND n FOLLOWING)
  

  • PRECEDING（“之前”）
    • 将框架指定为 “截止到之前 n 行”，加上自身行
  • FOLLOWING（“之后”）
    • 将框架指定为 “截止到之后 n 行”，加上自身行
  • BETWEEN 1 PRECEDING AND 1 FOLLOWING
    • 将框架指定为 “之前1行” + “之后1行” + “自身”

• 例

  SELECT  product_id
         ,product_name
         ,sale_price
         ,AVG(sale_price) OVER (ORDER BY product_id
                                 ROWS 2 PRECEDING) AS moving_avg
         ,AVG(sale_price) OVER (ORDER BY product_id
                                 ROWS BETWEEN 1 PRECEDING 
                                          AND 1 FOLLOWING) AS moving_avg  
    FROM product;  
  

  

  

注意事项

四.GROUPING 运算符

计算合计及小计

• 常规的GROUP BY 只能得到每个分类的小计，有时候还需要计算分类的合计，可以用 ROLLUP关键字

• SELECT  product_type
         ,regist_date
         ,SUM(sale_price) AS sum_price
    FROM product
   GROUP BY product_type, regist_date WITH ROLLUP;