窗口函数

Posted java-125

tags:

篇首语:本文由小常识网(cha138.com)小编为大家整理,主要介绍了窗口函数相关的知识,希望对你有一定的参考价值。

窗口函数可以进行排序,生成序列号等一般的聚合函数无法实现的高级操作。

窗口函数也称为OLAP函数,意思是对数据库数据进行实时分析处理。窗口函数就是为了实现OLAP而添加的标准SQL功能。

窗口函数语法:其中[]中的内容可以省略

 使用格式:   <窗口函数> over ([partition by <列清单>]    order by <排序用列清单>)

窗口函数大体可以分为以下两种:

1.能够作为窗口函数的聚合函数(sum,avg,count,max,min)

2.rank,dense_rank。row_number等专用窗口函数。

语法的基本使用方法:使用rank函数

rank函数是用来计算记录排序的函数。

select product_name, product_type, sale_price,
       rank () over (partition by product_type
                            order by sale_price) as ranking
from Product;

技术图片

partition by 能够设定排序的对象范围,类似于group by语句,这里就是以product_type划分排序范围。

order by能够指定哪一列,何种顺序进行排序。也可以通过asc,desc来指定升序降序。

窗口函数兼具分组和排序两种功能。通过partition by分组后的记录集合称为窗口。

然而partition by不是窗口函数所必须的:

select product_name, product_type, sale_price,
       rank () over (order by sale_price) as ranking
from Product;

技术图片没有进行范围的划分,直接对全部的商品进行排序。

专用函数的种类:1.rank函数:计算排序时,如果存在相同位次的记录,则会跳过之后的位次。

                             2.dense_rank函数:同样是计算排序,即使存在相同位次的记录,也不会跳过之后的位次。

                             3.row_number函数:赋予唯一的连续位次。

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;

技术图片

由于窗口函数无需参数,因此通常括号里都是空的。

窗口函数的适用范围:只能在select子句中使用。

作为窗口函数使用的聚合函数

sum:

select product_id, product_name, sale_price,
       sum(sale_price) over (order by product_id) as current_sum
from Product;

技术图片以累计的方式进行计算。

计算出商品编号小于自己的商品的销售单价的合计值。

avg:

select product_id, product_name, sale_price,
       avg(sale_price) over (order by product_id) as current_sum
from Product;

技术图片作为的统计对象同样是排在自己之上的记录。

1行:1000/1

2行:(1000 + 500)/2

3行:(1000+500+4000)/3

...

计算移动平均

窗口函数就是将表以窗口为单位进行分割,并在其中进行排序的函数。其中还包含在窗口中指定更加详细的汇总范围的备选功能,该备选功能中的汇总范围称为框架。

指定最靠近的3行做为汇总对象:

select product_id, product_name, sale_price,
       avg (sale_price) over (order by product_id
                              rows 2 preceding) as moving_avg
from Product;

指定框架(汇总范围):这里使用的rows(行)和preceding(之前)两个关键字,将框架指定为截止到之前?行,因此rows 2 preceding就是将框架指定为截止到之前2行,也就是将作为汇总对象的记录限定为如下的最靠近3行

1.自身(当前记录)

2.之前1行的记录

3.之前2行的记录

所以结果:技术图片

假设当前行为3000,前1行记录为4000,前两行记录为500,所以(500+4000+3000)/3=2500

技术图片

这样的统计方法称为移动平均。

使用关键字following(之后)替换preceding,就可以将框架改为截止到之后?行。

将当前记录的前后行作为汇总对象:

select product_id, product_name, sale_price,
       avg(sale_price) over (order by product_id
                              rows between 1 preceding and 1 following) as moving_avg--使用between规划范围,语句意思为rows 1 preceding                                                                                     --到rows 1 following
from Product;

语句意思:1.之前1行的记录

                  2.自身(当前记录)

                  3.之后1行的记录

整的框架就是这样技术图片

还是假设3000为当前记录,框架计算4000为前一行记录,6800为后一行记录(4000+3000+6800)/3 = 4600

总行数还是3.

两个order by

select product_name, product_type, sale_price,
       rank() over (order by product_name) as ranking
from Product;

技术图片这时候价格会显得混乱不堪

可以在语句最后添加一个order by子句,来约束sale_price

select product_name, product_type, sale_price,
       rank() over (order by product_name) as ranking
from Product
order by sale_price;

 

 





 

以上是关于窗口函数的主要内容,如果未能解决你的问题,请参考以下文章

hive窗口函数总结

窗口函数--排序函数

hive关于窗口函数的使用

C# 主窗口调用子窗口的值传递?

Pandas---11.移动窗口函数

MySQL窗口函数基础初试