MySQL 窗口函数

核心目标: 深入理解并熟练运用 MySQL 窗口函数，掌握其在复杂数据分析场景（如行间比较 📊, 趋势分析 📈, 分组排名 🏆, 累计计算 ➕）中的强大能力。

窗口函数基本概念: 🤔

窗口函数对查询结果集的一个特定子集（称为“窗口” 🪟）执行计算。它为结果集中的每一行都生成一个计算结果，而不改变原始行的数量。这与将多行合并为一行的聚合函数（如配合 GROUP BY 使用时）形成对比。窗口的定义和行为由 OVER() 子句控制。

窗口函数基础语法与 OVER() 子句: ⚙️

窗口函数的核心在于 OVER() 子句。
语法:
window_function_name() OVER (
[PARTITION BY partition_expression, …]
[ORDER BY order_expression [ASC|DESC], …]
[frame_clause]
)

解析 OVER() 子句的组成部分：

• window_function_name: 具体的窗口函数名称。 🔢

• PARTITION BY partition_expression, …` (可选): 🍰
  将结果集划分为独立的逻辑分区 (Partitions)。函数在每个分区内独立计算。
  示例：按部门分区

-- 按 dept_name 分区，后续函数将在此分区内计算
... OVER (PARTITION BY dept_name ...)

• GROUP BY 与 PARTITION BY 的核心区别 (重要对比): 🆚

  • GROUP BY: 是聚合操作，合并行并减少行数，目的是汇总数据。
  • PARTITION BY: 是窗口定义的一部分，不合并行，不改变行数，目的是为窗口计算划定范围。

• ORDER BY order_expression [ASC|DESC], ... (对某些函数必须): 📊➡️
  定义分区内部行的处理顺序。
  示例：分区内按工资降序

-- 分区内按 salary 降序排列
... OVER (... ORDER BY salary DESC ...)

frame_clause (可选，定义精确的自定义窗口框架): 🖼️
精确控制窗口函数计算时包含的行的集合。
语法:
{ROWS | RANGE} frame_start
或
{ROWS | RANGE} BETWEEN frame_start AND frame_end

• ROWS vs RANGE:

  • ROWS: 基于物理行数偏移。
    示例：当前行及前 2 行

  -- ROWS frame example
  ... OVER (... ORDER BY some_col ROWS BETWEEN 2 PRECEDING AND CURRENT ROW)
  

  • RANGE: 基于逻辑值范围，依赖 ORDER BY 列。处理重复值 (peers) 时行为不同。
    示例：当前日期及之前 7 天内的数据

  -- RANGE frame example (assuming sale_date is DATE type)
  ... OVER (... ORDER BY sale_date RANGE BETWEEN INTERVAL '6' DAY PRECEDING AND CURRENT ROW)
  

• Frame Boundaries: UNBOUNDED PRECEDING, n PRECEDING, CURRENT ROW, n FOLLOWING, UNBOUNDED FOLLOWING。

• 默认 Frame: 有 ORDER BY 时为 RANGE BETWEEN UNBOUNDED PRECEDING AND CURRENT ROW；无 ORDER BY 时为 ROWS BETWEEN UNBOUNDED PRECEDING AND UNBOUNDED FOLLOWING。

示例：移动平均 (前后各一行)

-- 3行移动平均工资
AVG(salary) OVER (ORDER BY emp_id ROWS BETWEEN 1 PRECEDING AND 1 FOLLOWING)

示例：累计总和 (默认框架)

-- 部门内按入职日期累计工资 (利用默认frame)
SUM(salary) OVER (PARTITION BY dept_name ORDER BY hire_date)

1.常用窗口函数分类及详解: 📚

假设使用 employees 表 (emp_id, emp_name, dept_name, salary, hire_date)

1. 排名函数 (Ranking Functions) - 需要 ORDER BY 🏆
用于确定行在其分区内的排名或位置。

• ROW_NUMBER():
  分配连续且唯一的排名序号，不论值是否相同。 1, 2, 3, 4…
  示例：为每个部门的员工按工资从高到低分配唯一的行号。

select
emp_name, dept_name, salary,
row_number() over (partition by dept_name order by salary desc) as rn
from employees;

• RANK():
  排名函数。如果值相同，则排名相同，但后续排名会跳跃。 1, 1, 3, 4…
  示例：为每个部门的员工按工资从高到低排名，相同工资排名相同，排名间可能有间隙。

select
emp_name, dept_name, salary,
rank() over (partition by dept_name order by salary desc) as rnk
from employees;

• DENSE_RANK():
  密集排名。如果值相同，则排名相同，后续排名连续不跳跃。 1, 1, 2, 3…
  示例：为每个部门的员工按工资从高到低排名，相同工资排名相同，排名间无间隙。

select
emp_name, dept_name, salary,
dense_rank() over (partition by dept_name order by salary desc) as drnk
from employees;

• PERCENT_RANK():
  计算行的相对排名（百分比形式），值范围在 0 到 1 之间。公式：(rank() - 1) / (分区总行数 - 1)。 📈 0%-100%
  示例：计算每个员工工资在其部门内的百分位排名。

select
emp_name, dept_name, salary,
percent_rank() over (partition by dept_name order by salary asc) as salary_percent_rank
from employees;

• CUME_DIST():
  计算累积分布。表示小于或等于当前行值（按 ORDER BY）的行在分区内所占的比例。值范围在 (0, 1] 之间。 📊
  示例：计算工资低于或等于当前员工工资的人数占部门总人数的比例。

select
emp_name, dept_name, salary,
cume_dist() over (partition by dept_name order by salary asc) as salary_cume_dist
from employees;

• NTILE(n):
  将分区内的行尽可能平均地分配到 n 个桶（组）中，返回行所属的桶编号 (1 到 n)。 🗑️1️⃣, 🗑️2️⃣…
  示例：将部门员工按工资分为高、中、低 3 个等级。

select
emp_name, dept_name, salary,
ntile(3) over (partition by dept_name order by salary desc) as salary_tier
from employees;

排名函数对比总结 💡
示例：同时计算三种主要排名。

-- 假设某部门有员工工资为：10000, 8000, 8000, 6000
selectemp_name, salary,row_number() over (order by salary desc) as rn,rank()       over (order by salary desc) as rnk,dense_rank() over (order by salary desc) as drnk
from employees
where dept_name = 'Specific_Department';

可能的输出对比见上一版本说明。

2. 聚合窗口函数 (Aggregate Window Functions) ➕➖✖️➗

将标准聚合函数应用于窗口框架。

• SUM() OVER (...): 窗口总和。
  示例：部门内按入职日期累计工资。

select emp_name, hire_date, salary, sum(salary) over (partition by dept_name order by hire_date) as running_salary from employees;

• AVG() OVER (...): 窗口平均值。
  示例：5行移动平均工资。

select emp_name, salary, avg(salary) over (order by emp_id rows between 2 preceding and 2 following) as moving_avg_5 from employees;

• COUNT() OVER (...): 窗口计数。
  示例：显示部门总人数。

select emp_name, dept_name, count(*) over (partition by dept_name) as total_in_dept from employees;

• MAX() OVER (...): 窗口最大值。
  示例：显示部门最高工资。

select emp_name, dept_name, max(salary) over (partition by dept_name) as max_in_dept from employees;

• MIN() OVER (...): 窗口最小值。
  示例：显示部门最低工资。

select emp_name, dept_name, min(salary) over (partition by dept_name) as min_in_dept from employees;

3. 分析与偏移函数 (Analytic & Offset Functions) - 通常需要 ORDER BY ↔️

用于访问分区内其他行的值。

• LAG(expression [, offset [, default]]) OVER (...):
  获取前 offset 行的值。 👀⬅️
  示例：获取同部门前一个入职员工的工资。

select emp_name, hire_date, salary,
lag(salary, 1, 0) over (partition by dept_name order by hire_date) as prev_hire_salary
from employees;

• LEAD(expression [, offset [, default]]) OVER (...):
  获取后 offset 行的值。 👀➡️
  示例：获取同部门下一个入职员工的工资。

select emp_name, hire_date, salary,
lead(salary, 1, 0) over (partition by dept_name order by hire_date) as next_hire_salary
from employees;

• FIRST_VALUE(expression) OVER (...):
  获取窗口框架内第一行的值。 🥇
  示例：获取部门内最早入职员工的姓名。

select emp_name, dept_name, hire_date,
first_value(emp_name) over (partition by dept_name order by hire_date rows between unbounded preceding and unbounded following) as first_hired_in_dept
from employees;

• LAST_VALUE(expression) OVER (...):
  获取窗口框架内最后一行的值。 (注意默认框架!) 🏁
  示例：获取部门内最近入职员工的姓名。

select emp_name, dept_name, hire_date,
last_value(emp_name) over (partition by dept_name order by hire_date rows between unbounded preceding and unbounded following) as last_hired_in_dept
from employees;

• NTH_VALUE(expression, n) OVER (...):
  获取窗口框架内第 n 行的值（n从1开始）。(MySQL 8.0+) 🥈🥉…
  示例：获取部门内入职第二早的员工姓名。

select emp_name, dept_name, hire_date,
nth_value(emp_name, 2) over (partition by dept_name order by hire_date rows between unbounded preceding and unbounded following) as second_hired
from employees;

4. 使用 CTE (Common Table Expressions) 处理窗口函数结果 🧩
CTE (WITH ... AS (...)) 是处理需要过滤或进一步操作窗口函数结果的标准方法。
语法:
WITH cte_name AS (
– 定义 CTE, 内含窗口函数
SELECT …,
window_function() OVER (…) AS window_result
FROM …
)
– 主查询引用 CTE
SELECT *
FROM cte_name
WHERE window_result … – 在此过滤窗口结果
;
示例：找出每个部门工资排名前 3 的员工。

-- 使用 CTE 对窗口函数排名结果进行过滤
WITH RankedEmployees AS (SELECTemp_name,dept_name,salary,RANK() OVER (PARTITION BY dept_name ORDER BY salary DESC) as salary_rankFROMemployees
)
SELECTemp_name,dept_name,salary,salary_rank
FROMRankedEmployees
WHEREsalary_rank <= 3;

重要说明与注意事项: ⚠️

• 逻辑执行顺序: 窗口函数在 FROM…HAVING 之后，最终 ORDER BY, LIMIT 之前。 📜
• 使用限制: 不能在 WHERE, GROUP BY 中直接用窗口函数。过滤需用子查询/CTE。 🚫
• 性能考量: 复杂窗口/大分区消耗资源。合理分区、选对框架模式、建索引很重要。 ⏱️
• 别名: 最终 ORDER BY 可用窗口函数别名。 🏷️

---

练习题 ✍️

假设使用 sales 表：
(表格数据同前)

请编写 SQL 语句完成以下查询：

1. 为每次销售记录添加一个基于销售日期 (sale_date) 的全局行号。
   答案:

select
sale_id, product, sale_date, amount, region,
row_number() over (order by sale_date) as global_rn
from sales;

2. 按区域 (region) 分区，计算每个区域内按销售额 (amount) 降序的密集排名 (DENSE_RANK)。
   答案:

select
sale_id, product, sale_date, amount, region,
dense_rank() over (partition by region order by amount desc) as region_sales_rank
from sales;

3. 计算每次销售时，该区域截至当日的总销售额（按日期累计）。
   答案:

select
sale_id, product, sale_date, amount, region,
sum(amount) over (partition by region order by sale_date rows between unbounded preceding and current row) as region_running_total
from sales;

4. 对于每次销售，显示其上一次销售（按日期排序）的销售额。如果没有上一次销售，显示 0。
   答案:

select
sale_id, product, sale_date, amount, region,
lag(amount, 1, 0) over (partition by region order by sale_date) as previous_sale_amount
from sales;

5. 计算每次销售额占其所在区域总销售额的百分比。
   答案:

select
sale_id, product, sale_date, amount, region,
amount * 100.0 / sum(amount) over (partition by region) as pct_of_region_total
from sales;

6. 找出每个区域销售额第二高的那次销售记录的 product 和 amount。(使用 CTE)
   答案:

with RankedSales as (
select
product, amount, region,
dense_rank() over (partition by region order by amount desc) as drnk
from sales
)
select
product, amount, region
from RankedSales
where drnk = 2;

7. 对于每次销售，计算其与该区域第一次销售（按日期排序）的销售额差异。
   答案:

select
sale_id, product, sale_date, amount, region,
amount - first_value(amount) over (partition by region order by sale_date rows between unbounded preceding and unbounded following) as diff_from_first_sale
from sales;

8. 计算每笔销售与其后一笔销售（按全局日期排序）的时间间隔（天数）。
   答案:

select
sale_id, product, sale_date,
lead(sale_date) over (order by sale_date) as next_sale_date,
datediff(lead(sale_date) over (order by sale_date), sale_date) as days_to_next_sale
from sales;

9. 使用 NTILE(2) 将每个区域的销售记录按销售额分为高低两组。
   答案:

select
sale_id, product, sale_date, amount, region,
ntile(2) over (partition by region order by amount desc) as sales_group -- 1 for higher half, 2 for lower half
from sales;

10. 对于每次销售，显示该区域内销售额排名（RANK()）和累积分布（CUME_DIST()）。
    答案:

select
sale_id, product, sale_date, amount, region,
rank() over (partition by region order by amount desc) as sales_rank,
cume_dist() over (partition by region order by amount asc) as sales_cume_dist -- ascending order for standard cumulative distribution
from sales;