本文用于复习数据库窗口函数，希望能够温故知新，也希望读到这篇文章的有所收获。

本文以：MySQL为例

参考文档： https://www.begtut.com/mysql/mysql-window-functions.html

使用的样例数据：https://www.begtut.com/mysql/mysql-sample-database.html

---

1. 概括的说明

函数	说明
ROW_NUMBER	为其分区中的每一行分配一个序号。
RANK	根据ORDER BY的字段，为每一行分配一个排名。 值相同的行分配相同的排名, 下一行排名不联系，会累加值相同的行数。
DENSE_RANK	与RANK（）函数类似，只是当出现值相同的行时，排名是连续的，不是累加行数。
PERCENT_RANK	计算分区或结果集中行的百分位数。计算公式为：(当前从小到大排序序号-1 ) / (总序号数-1) 【就是(rank - 1) / (total_rows - 1) 】
FIRST_VALUE	返回指定表达式相对于窗口框架中第一行的值。
LAST_VALUE	返回指定表达式相对于窗口框架中最后一行的值。
LEAD	返回分区中当前行之后的第N行的值。 如果不存在后续行，则返回NULL。
LAG	返回分区中当前行之前的第N行的值。 如果不存在前一行，则返回NULL。
NTILE	将每个窗口分区的行分配到指定数量的已排名组中。 （把结果分成n个组）
CUME_DIST	计算一组值中值的累积分布。
NTH_VALUE	返回窗口框架第N行的参数

2.  注意 rows between 的用法

• rows between …… and ……
• unbounded preceding 前面所有行 、n preceding  前面n行
• unbounded following 后面所有行 、n following  后面n行
• current row 当前行

SELECTorderNumber,productCode,quantityOrdered,SUM(quantityOrdered) OVER(PARTITION BY orderNumber ORDER BY productcode) AS quantity_amount,-- 前面一行和当前行的值累加SUM(quantityOrdered) OVER(PARTITION BY orderNumber ORDER BY productcode ROWS BETWEEN 1 PRECEDING AND CURRENT ROW) quantity_add
FROMmysqldemo.orderdetails
WHEREorderNumber = 10103;

3. 注意 range between的用法

range between 按照排序字段的值限制窗口大小。主要将order by后面字段排序后，然后根据排序字段的值，框定一个范围，再对这个范围内的行进行汇总。样例如下：
 

sum(num) over(order by dateTime range between interval 6 day preceding and current row) 
-- 必须是date类型的数据，这一天和前面6天（如果存在）的数据sum(close) over(order by salary range between 100 preceding and 200 following) 
--通过 salary 字段差值来进行选择。如当前行的 salary 字段值是 200，那么这个窗口大小的定义就会选择分区中 salary 字段值落在 100 至 400 区间的记录（行），再求这些行的sum(close).

需要注意的点：

• rows表示行，就是前n行，后n行。
• range表示的是具体的值，比这个值小n的行，比这个值大n的行。是以当前值为锚点进行计算。
• 同时 range 也可以使用 between unbounded preceding and unbounded following，效果和等同于rows一样，取上下限所有行，不指定值。
• range 窗口仅对数字和日期起作用,因为需要计算值的范围。
• 在range 的开窗中，order by 中只能有一列；rows 的开窗的order by 可以有多列。

SELECTorderNumber,productCode,quantityOrdered,SUM(quantityOrdered) OVER(PARTITION BY orderNumber ORDER BY quantityOrdered) AS quantity_amount,-- quantityOrdered 的值-1 和 +2的值区间范围内的行的累加SUM(quantityOrdered) OVER(PARTITION BY orderNumber ORDER BY quantityOrdered RANGE BETWEEN 1 PRECEDING AND 2 following) quantity_add
FROMmysqldemo.orderdetails;

4. ROW_NUMBER & RANK & DENSE_RANK

比较常用，都很熟悉，基本用法就不用赘述了。

SELECTorderNumber,productCode,quantityOrdered,ROW_NUMBER() OVER (ORDER BY quantityOrdered) AS nb,RANK() OVER (PARTITION BY orderNumber ORDER BY quantityOrdered) AS rank_quantity,DENSE_RANK() OVER (PARTITION BY orderNumber ORDER BY quantityOrdered) AS dense_rank_quantity
FROMmysqldemo.orderdetails
WHEREorderNumber = 10103;

rank和dense_rank 的区别，就是遇到有多行值相同时，那么下一行的序号，rank会加上重复的行数，那么rank对应的序号就不连续了；dense_rank 不会加上重复的行数，保持序号任然是连续的。

需要注意的点：

• ROW_NUMBER 不加partition的时候，对所有行加序号，加partition之后分组加序号。
• RANK 注意不加order by的时候，不排序，全是1，即使加partition也没用；一定要加order by才会排序。
• SUM 用法和 ROW_NUMBER 相同，汇总和分组汇总。

SELECT *, ROW_NUMBER() OVER () row_num0,ROW_NUMBER() OVER (PARTITION BY productline) row_num1,RANK() OVER() AS Rank00,RANK() OVER(PARTITION BY productline) AS Rank01,RANK() OVER(PARTITION BY productline,order_year) AS Rank02,RANK() OVER(order by amount) AS Rank1,RANK() OVER(PARTITION BY productline order by amount) AS Rank2,SUM(amount) OVER(PARTITION BY productline,order_year ) AS amount0,SUM(amount) OVER(PARTITION BY productline ) AS amount1,SUM(amount) OVER() AS amount2
FROM (SELECT productline, year(orderDate) order_year, sum(quantityOrdered) as amountFROM ordersINNER JOIN orderdetails USING (orderNumber)INNER JOIN products USING (productCode)GROUP BY productline,order_year) T;

5. PERCENT_RANK()

函数返回一个从0到1的数字。 计算公式为：(rank - 1) / (total_rows - 1)。

rank是当前行的等级，total_rows是要计算的行数。 公式的意思就是计算当前行的等级减1，除以分区或结果集中的总行数减1。

• PERCENT_RANK()对于分区或结果集中的第一行，函数始终返回零。重复的列值将接收相同的PERCENT_RANK()值。
• PERCENT_RANK()是一个顺序敏感函数，因此，您应始终使用ORDER BY子句。

CREATE TABLE productLineSales -- 我们创建了一张表，后面还会重复用到它
SELECTproductLine,YEAR(orderDate) orderYear,SUM(quantityOrdered * priceEach) orderValue
FROM orderDetails
INNER JOIN orders USING (orderNumber)
INNER JOIN products USING (productCode)
GROUP BY productLine , YEAR(orderDate); WITH t AS (SELECT productLine, SUM(orderValue) orderValueFROM productLineSalesGROUP BY productLine
)
SELECTproductLine,orderValue,ROUND(PERCENT_RANK() OVER (ORDER BY orderValue),2) percentile_rank
FROM t; 

在这个例子中： 首先，我们使用表达式按产品线汇总订单值。 其次，我们用它PERCENT_RANK()来计算每种产品的订单价值的百分等级。
以下是输出中的一些分析：

• 订单价值Trains并不比任何其他产品线更好，后者用零表示。
• Vintage Cars 表现优于50％的其他产品。
• Classic Cars 表现优于任何其他产品系列，因此其百分比等级为1或100％

6. CUME_DIST

它表示值小于或等于当前行的值除以总行数。 公式为： ROW_NUMBER() / total_rows 。注意和 PERCENT_RANK 的区别。

• CUME_DIST()函数的返回值大于零且小于或等于1。
• 重复的列值接收相同的CUME_DIST()值。 

样例：计算某产品的订单订货量数量分布 （注意第7行开始有重复的值31，对应百分比也是相同的。表示数量小于等于31的一共10行，占总行数28的35.71%）
 

SELECT orderNumber, productCode, quantityOrdered, ROW_NUMBER() OVER(ORDER BY quantityordered) AS nb,CUME_DIST() OVER(ORDER BY quantityordered) AS pct,PERCENT_RANK() OVER(ORDER BY quantityordered) AS pct_rank
FROM mysqldemo.orderdetails
WHERE productcode = 'S18_2949';

7. FIRST_VALUE

样例：获取客户首单订单金额。

SELECT customernumber,amount,paymentDate,FIRST_VALUE (amount) OVER (PARTITION BY customernumber ORDER BY paymentDate) AS first_amount
FROM payments
ORDER BY customernumber;

8. Last_Value
样例：获取客户最后一笔订单金额。
注意：Last_Value 和 First_Value 不同, 他认为每一行，是当前行中的最后一行。注意对比下面两个字段的不同。

SELECT customernumber, amount, paymentDate,last_value (amount) OVER (PARTITION BY customernumber ORDER BY paymentDate) AS last_amount,last_value (amount) OVER (PARTITION BY customernumber ORDER BY paymentDate RANGE BETWEEN UNBOUNDED PRECEDING AND UNBOUNDED FOLLOWING) AS last_amount_umbounded
FROM payments
ORDER BY customernumber;

8. Lead和Lag

函数类似，是查询某一字段的从当前行往后找到第N行的数据(Lead)和往前找到第N行的数据(Lag)。在找到某一行的偏移n行的数据非常有用。
lead/lag(expression, offffset, default) over(partion by ......order by ......)

• expression 要取的是哪一个字段
• offset 是从当前行前进（lead）/后退（lag）的行数。 必须是一个非负整数，为零则取当前行。
• default 如果没有后续行，则函数返回default。例如，如果offset是1，则lead的最后一行，lag的第一行的返回值为default。 未指定default_value，则返回 NULL 。

样例： 查询出上一个订单，下一个订单的时间 

SELECT customerName,orderDate,LEAD(orderDate,1) OVER (PARTITION BY customerNumber ORDER BY orderDate ) nextOrderDate,LAG(orderDate,1) OVER (PARTITION BY customerNumber ORDER BY orderDate ) PreviousOrderDate
FROM orders
INNER JOIN customers USING (customerNumber); 

样例：查询出下单时间间隔最长的用户。

SELECT customerName, MAX(orderdate_interval) AS MAX_interval, RANK() OVER(ORDER BY MAX(orderdate_interval) DESC) AS data_rank
FROM(SELECT customerName,orderDate,LEAD(orderDate,1) OVER (PARTITION BY customerNumber ORDER BY orderDate ) nextOrderDate,datediff(LEAD(orderDate,1) OVER (PARTITION BY customerNumber ORDER BY orderDate), orderDate) orderdate_intervalFROM ordersINNER JOIN customers USING (customerNumber)) T1
WHERE nextOrderDate IS NOT NULL
GROUP BY customerName; 

9. NTILE 平均分组

样例：将产品线按照年份，汇总订单金额，并且划分为三个组。
注意不能平均分配时，例如将9行数据分成4个组，他会把第1组分3个，剩余3个组每个组2个；

SELECTproductline, orderYear, orderValue,NTILE(3) OVER (PARTITION BY orderYear ORDER BY orderValue DESC) product_line_group
FROM productlineSales; 

样例： 查询出2013支付金额排名前30%的所有用户 

SELECT customerNumber, pay_amount, level 
FROM (SELECT customerNumber, SUM(amount) AS pay_amount,NTILE(10) OVER(ORDER BY SUM(amount) DESC) AS levelFROM mysqldemo.paymentsWHERE Year(paymentDate) = 2013GROUP BY customerNumber)a 
WHERE level in (1,2,3);

通过这种方法计算出来的百分比不准确，通过下面的SQL，会发现前3个组的人数超过了30%。

SELECT COUNT(customerNumber), level
FROM (SELECT customerNumber, SUM(amount) AS pay_amount,NTILE(10) OVER(ORDER BY SUM(amount) DESC) AS levelFROM mysqldemo.paymentsWHERE Year(paymentDate) = 2013GROUP BY customerNumber)a 
GROUP BY level;

使用用 CUME_DIST 效果更好。

SELECT customerNumber, pay_amount, level, pct
FROM (SELECT customerNumber, SUM(amount) AS pay_amount,NTILE(10) OVER(ORDER BY SUM(amount) DESC) AS level,CUME_DIST() over(order by SUM(amount) desc) as pctFROM mysqldemo.paymentsWHERE Year(paymentDate) = 2013GROUP BY customerNumber)a 

直接定位带排序小于等于30%的即可。从结果可以看出，和NTILE不一样，第三组的人没有全部都取。 

10. NTH_VALUE

函数格式为：

NTH_VALUE(expression, N)
OVER (partition_clauseorder_clauseframe_clause) 

从有序行集中的第N行获取值；如果第N行不存在，则函数返回NULL；N必须是正整数。
注意：From First（标准SQL 支持 From Last, MySQL只支持From First。如果要模拟效果From Last，则可以使用其中ORDER BY倒叙排列）
样例：2015年每月购买金额第三的人

SELECT paymentmonth,customernumber, amount, 
NTH_VALUE(customernumber, 3) OVER(PARTITION BY paymentmonth ORDER BY amount DESC RANGE BETWEEN UNBOUNDED PRECEDING AND UNBOUNDED FOLLOWING) AS NTH
FROM (SELECT MONTH(paymentDate) AS paymentmonth, customernumber,  SUM(amount) amountFROM paymentsWHERE YEAR(paymentDate) = 2015GROUP BY customernumber, paymentmonth) T1

11. 测试：查询出每年连续下单的客户和连续的年份

方法1

使用 lag 取上一年的年份，计算差值是1的，就是这两年是连续的；然后对customerName进行group by。

SELECT customerName, max(orderYear), min(previousYear), SUM(gap)+1
FROM (SELECT customerName, orderYear, lag(orderYear) over(partition by customerName order by orderYear) AS previousYear,orderYear - lag(orderYear) over(partition by customerName order by orderYear)  gapFROM (SELECT customerName,YEAR(orderDate) AS orderYearFROM ordersINNER JOIN customers USING (customerNumber)GROUP BY customerName, orderYear ) T1) T2
WHERE gap =1
GROUP BY customerName

方法2

用Year 减去row_number, 取得gap，gap相同的，就是年份连续的。

SELECT customerName, minYear, maxYear, max(nb)
FROM (SELECT customerName,gap,orderYear, min(orderYear) OVER (partition by customerName,gap ORDER BY customerName,gap) minYear, max(orderYear)OVER (partition by customerName,gap ORDER BY customerName,gap) maxYear,ROW_NUMBER() OVER (partition by customerName,gap ORDER BY customerName,gap) nbFROM(SELECT customerName, orderYear, orderYear-nbbycustomer as gapFROM (SELECT customerName,YEAR(orderDate) AS orderYear,ROW_NUMBER() OVER (PARTITION BY customerName ORDER BY YEAR(orderDate)) nbbycustomerFROM ordersINNER JOIN customers USING (customerNumber)GROUP BY customerName,orderYear)T1) T2
) T3
WHERE minYear <> maxYear
GROUP BY customerName, minYear, maxYear;

12. 其它有趣的函数

使用rand() 获取随机10行数据。

select * from customers order by rand() limit 10;