窗口函数总结篇

一、基本语法及常见函数

SELECT 
    column1,
    column2,
    窗口函数() OVER (
        PARTITION BY 分组列 
        ORDER BY 排序列 [ASC|DESC]
        ROWS/RANGE BETWEEN 起始位置 AND 结束位置
    ) AS 别名
FROM 
    table_name;

​​分类​​	​​函数​​	​​作用​​	​​典型场景​​
​​排名函数​​	ROW_NUMBER()	为每行分配唯一序号（无并列）	生成唯一行号
	RANK()	允许并列排名，跳过重复序号（如1,1,3）	带并列的排名
	DENSE_RANK()	允许并列排名，不跳过序号（如1,1,2）	连续排名
​​聚合函数​​	SUM() OVER()	计算窗口内总和	累计销售额、分区求和
	AVG() OVER()	计算窗口内平均值	移动平均、分组平均
	COUNT() OVER()	统计窗口内行数	累计计数、分区计数
​​偏移函数​​	LAG(column, offset)	访问当前行​​之前​​的第N行数据	环比增长、上期值对比
	LEAD(column, offset)	访问当前行​​之后​​的第N行数据	预测未来值、下期值对比

二、注意事项

0. rows between and 和 range between and的语法

必须写 between and！

前一行 + 当前行	RANGE BETWEEN 1 PRECEDING AND CURRENT ROW	必须明确指定起始和结束点
仅前一行	RANGE BETWEEN 1 PRECEDING AND 1 PRECEDING	起始和结束点相同
默认窗口（未指定范围时）	等效于 RANGE UNBOUNDED PRECEDING AND CURRENT ROW	从分区第一行到当前行

1.rows between and 和 range between and 的区别

 ROWS BETWEEN（基于实际物理行数的窗口）​​

• ​​定义​​：通过 ​​物理行数​​ 定义窗口范围，与排序后的实际行位置直接相关。
• ​​特点​​：
  • 窗口大小固定（按行数计算）。
  • 不受列值重复或间隔影响。

SUM(sales) OVER (
    ORDER BY date
    ROWS BETWEEN 2 PRECEDING AND CURRENT ROW
) AS moving_sum

date	sales
2023-01-01	100
2023-01-02	200
2023-01-03	150
2023-01-04	300

结果：

date	sales	moving_sum
2023-01-01	100	100
2023-01-02	200	300
2023-01-03	150	450
2023-01-04	300	650

2. RANGE BETWEEN（基于值的窗口）​​

• ​​定义​​：通过 ​​列值的逻辑范围​​ 定义窗口边界，与排序后的列值相关。
• ​​特点​​：
  • 窗口大小动态（按列值区间计算）。
  • 受列值重复或间隔影响。

SUM(sales) OVER (
    ORDER BY date
    RANGE BETWEEN INTERVAL 2 DAY PRECEDING AND CURRENT ROW
) AS range_sum

date	sales
2023-01-01	100
2023-01-03	200
2023-01-04	150
2023-01-06	300

输出

date	sales	range_sum
2023-01-01	100	100
2023-01-03	200	300
2023-01-04	150	350
2023-01-06	300	450

例2：

SUM(sales) OVER (
    ORDER BY sales
    RANGE BETWEEN 1 PRECEDING AND  CURRENT ROW  
) AS sum_prev_only

假设窗口函数按 ORDER BY sales 排序，则 RANGE BETWEEN 1 PRECEDING AND CURRENT ROW 的窗口范围定义为：

• ​​起始点​​：当前行的 sales 值减去 1。
• ​​结束点​​：当前行的 sales 值。
• ​​窗口包含所有 sales 值在区间 [当前值 -1, 当前值] 的行​​。

2.实际上 rows between 用的更多

3. 几种排名函数

在MySQL8.X或者hive中专用的窗口函数有3个：

• rank：并列跳跃排名，相同的排名会跳过
• dense_rank：并列连续排名 ， 相同的排名不会跳过
• row_number：连续排名 ， 不管值的大小 ，都是从1，2，3，4依次排列下去（用的少）

通过一个例子来说明3个函数的排序差异体现在哪里。现在给定五个成绩：93，93，85，80，75，分别使用3个不同的开窗函数得到的结果分别是：

1、使用 DENSE_RANK() 进行排名会得到：1，1，2，3，4

2、使用 RANK() 进行排名会得到：1，1，3，4，5

3、使用 ROW_NUMBER() 进行排名会得到：1，2，3，4，5

这几种排名函数使用时必须跟着 order by ， 指定依据哪一列进行排行

4.LAG（） 和 Rows between 的区别

​​特性​​	LAG()（单行偏移访问）	ROWS BETWEEN（窗口范围聚合）
​​功能​​	直接访问 ​​特定偏移行的单值​​	定义窗口范围，​​聚合多行数据​​（如求和、平均）
​​返回值​​	单行的字段值	聚合结果（如总和、平均值）
​​操作粒度​​	精确访问某一行（如前1行、前2行）	操作一组行的聚合值
​​性能​​	高效（直接定位行）	可能更耗资源（需遍历多行）

三、相关例题

1. LC 185

注意事项：

partition by 后面的字段必须使用表的原名！！

2.体育馆的人流量 LC 601

本题需求：

编写解决方案找出每行的人数大于或等于 100 且 id 连续的三行或更多行记录。

思路：

1.先把人流大于100的选出来，放在那

2.要求id 连续的三行 ， 可以注意到

id连续的行，它们与各自的row_number 之差都是一样的，如下所示

3.根据此 ， 我们在分组统计一下rk的数量大于3的 ， 就是至少3天连续的id了

4.后续就是一些繁琐的连表查询 ， 慢慢写即可

代码：

with s as(
    select id , visit_date , people from Stadium
    where people >= 100
)
,
temp as(
select id - row_number() over(order by id asc) diff , id , visit_date , people
from s
)
select id ,visit_date , people from temp left join (
select diff , count(diff) cnt from temp 
group by diff 
)cur on temp.diff = cur.diff
where cnt >= 3