【MySQL】窗口函数详解(概念+练习+实战)

warning: 这篇文章距离上次修改已过203天,其中的内容可能已经有所变动。

窗口函数(Window Function)是SQL中一种强大的数据处理功能,它可以在查询结果的行集上进行计算,并且能够将计算应用于数据的子集,该子集被称为窗口。窗口函数可以在SELECT语句的SELECT列表中,也可以在ORDER BY子句中使用。

窗口函数的一般语法如下:




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

窗口函数类型:

  1. 聚合窗口函数:如ROW\_NUMBER, RANK, DENSE\_RANK, COUNT, MIN, MAX, SUM, AVG等。
  2. 排序窗口函数:如RANK, DENSE\_RANK, NTILE。
  3. 分布式窗口函数:如PERCENT\_RANK, CUME\_DIST, NTH\_VALUE, LAG, LEAD。

练习和实战:

假设有一个销售数据表sales,包含字段year, product\_id, amount(销售额)。

  1. 计算每一行的累计销售额(使用窗口函数SUM)。



SELECT year, product_id, amount,
SUM(amount) OVER (PARTITION BY product_id ORDER BY year) AS running_total
FROM sales;
  1. 计算每个产品每年的销售额占该年度总销售额的比例。



SELECT year, product_id, amount,
amount / SUM(amount) OVER (PARTITION BY year) AS yearly_percentage
FROM sales;
  1. 计算每个产品每年的销售额与之前年份的销售额之差。



SELECT year, product_id, amount,
amount - LAG(amount) OVER (PARTITION BY product_id ORDER BY year) AS year_over_year_change
FROM sales;
  1. 计算每个产品每年的销售额与前两年的销售额之差。



SELECT year, product_id, amount,
amount - LAG(amount, 2) OVER (PARTITION BY product_id ORDER BY year) AS year_over_year_change
FROM sales;
  1. 计算每个产品每年的销售额与同一年上一个季度的销售额之差。



SELECT year, product_id, amount,
amount - LAG(amount) OVER (PARTITION BY product_id, QUARTER(date) ORDER BY year, QUARTER(date)) AS quarterly_change
FROM sales;
  1. 计算每个产品每年的销售额与同一年上一个季度的销售额之差,并且只显示那些有增长的记录。



SELECT year, product_id, amount,
quarterly_change
FROM (
    SELECT year, product_id, amount,
    amount - LAG(amount) OVER (PARTITION BY product_id, QUARTER(date) ORDER BY year, QUARTER(date)) AS quarterly_change
    FROM sales
) AS subquery
WHERE quarterly_change > 0;

这些练习和实战旨在帮助开发者理解和应用MySQL窗口函数,它们涵盖了不同的应用场景,包括分区、排序、聚合以及使用窗口函数进行更复杂计算。

最后修改于:2024年08月09日 12:22

评论已关闭

推荐阅读

DDPG 模型解析,附Pytorch完整代码
2024年11月24日
DQN 模型解析,附Pytorch完整代码
2024年11月24日
AIGC实战——Transformer模型
2024年12月01日
Socket TCP 和 UDP 编程基础(Python)
2024年11月30日
python , tcp , udp
如何使用 ChatGPT 进行学术润色?你需要这些指令
2024年12月01日
AI
最新 Python 调用 OpenAi 详细教程实现问答、图像合成、图像理解、语音合成、语音识别(详细教程)
2024年11月24日
ChatGPT 和 DALL·E 2 配合生成故事绘本
2024年12月01日
omegaconf,一个超强的 Python 库!
2024年11月24日
【视觉AIGC识别】误差特征、人脸伪造检测、其他类型假图检测
2024年12月01日
[超级详细]如何在深度学习训练模型过程中使用 GPU 加速
2024年11月29日
Python 物理引擎pymunk最完整教程
2024年11月27日
MediaPipe 人体姿态与手指关键点检测教程
2024年11月27日
深入了解 Taipy:Python 打造 Web 应用的全面教程
2024年11月26日
基于Transformer的时间序列预测模型
2024年11月25日
Python在金融大数据分析中的AI应用(股价分析、量化交易)实战
2024年11月25日
AIGC Gradio系列学习教程之Components
2024年12月01日
Python3 `asyncio` — 异步 I/O,事件循环和并发工具
2024年11月30日
llama-factory SFT系列教程:大模型在自定义数据集 LoRA 训练与部署
2024年12月01日
Python 多线程和多进程用法
2024年11月24日
Python socket详解,全网最全教程
2024年11月27日