這篇主要是用舉栗子的方式來理解SQL中的窗口函數，加深大家對SQL窗口函數的理解。

樣例表

這個樣例表是我為了好理解，隨便設計的，不符合數據庫設計的三范式，請忽略。

---

（一）標準聚合函數

標準的聚合函數有avg、count、sum、max和min，接下來分別介紹這些聚合函數的窗口函數形式。

1、移動平均窗口函數

移動平均值的定義：若依次得到測定值（x1,x2,x3,...xn）時，按順序取一定個數所做的全部算數平均值。例如(x1+x2+x3)/3，(x2+x3+x4)/3，(x3+x4+x5)/3,....就是移動平均值。其中，x可以是日或者月，以上的可以成為3日移動平均，或3月移動平均，常用于股票分析中。

語法結構：

avg

影響行數的范圍（限定計算移動平均的范圍）：

rows

以v_info舉個例子吧

SELECT *,AVG(grade) OVER(ORDER BY stu_no ROWS BETWEEN 2 preceding AND CURRENT ROW) AS '三移動平均' FROM v_info

• 對于第一行來說，沒有前面兩行，所以值就為當前行的值
• 對于第二行來說，前面只有一行，所以三移動平均就為第一行和第二行的平均值

影響行數范圍的語句在標準的聚合函數中都適用。

2、計數（count）窗口函數

窗口 函數 count(*) over() 對于查詢返回的每一行，它返回了表中所有行的計數。

語法結構：

count

（1）查詢出成績在90分以上的人數

SELECT

這個結果說明，成績大于90分的，有兩位同學。

（2）按照課程號進行分組，找出成績大于等于80分的學生人數

SELECT

從結果上可以看出，課程號為“0001”的學生人數有2名；課程號為“0002”的學生人數有2名；課程號為“0003”的學生有3名。

3、累計求和（sum）窗口函數

語法結構：

sum

（1）根據學號排序，對學生的成績進行累積求和

SELECT

（2）按照課程號分組，然后根據學號對成績進行累積求和

SELECT

tips：一定要選擇根據學號排序，要不然得出來的是最終的累積求和結果，如下圖：

SELECT

4、最大（max）、最小值（min）窗口函數

語法結構：

max(字段名1) over(partition by 字段名2 order by 字段名3 asc/desc) min(字段名1) over(partition by 字段名2 order by 字段名3 asc/desc)

（1）求成績的累積最大值和累積最小值

SELECT

按照學號進行排序，在累積最大值中，會依次往下找最大值，如果有比當前值大的，就更新，若沒有就保持當前；最小值同理。

（2）按照課程號進行分組，再求最大、最小值

SELECT *,MAX(grade) OVER(PARTITION BY c_no ORDER BY stu_no) AS '累積最大值',MIN(grade) OVER(PARTITION BY c_no ORDER BY stu_no) AS '累積最小值' FROM v_info

（3）根據學生號和課程號求成績的累積最小值

SELECT

從上圖可以看出，對于stu_no,c_no分組，后面沒有一樣的分組，所以每個stu_no,c_no都是一組，所以累積最小值就是當前的成績值。

（4）統計2019年10月1日-10月10日每天做新題的人的數量，重點在每天。

• 這個題的重點是在每天，所以需要求出count(時間）=10的用戶ID；
• 這個題可以使用min() over()窗口函數，先根據每個做題者和試卷號，找出每個做題者的最小日期，這里和前面（3）的解題思路是一樣的；
• 如果每天都做題，那么得到的日期是不一樣的，所以count（時間）會等于10；
• 再對這部分的用戶ID進行求和，就可以找出每天都做新題的人了。

SELECT

---

（二）排序窗口函數

我在之前就更新過了，這里就不重復寫了，感興趣的可以點鏈接，去看我之前寫的文章。

草莓女孩：SQL中常見的面試題?zhuanlan.zhihu.com

---

（三）分組排序窗口函數

可以按照銷售額的高低、點擊次數的高低，以及成績的高低為對用戶和學生進行分組，這里的考點是：取銷售額最高的25%的用戶（將用戶分成4組，取出第一組）、取成績高的前10%的學生（將學生分成10組，取出第一組）等等。

語法結構：

ntile

• ntile(n)，用于將分組數據按照順序切分成n片，返回當前切片值
• ntile不支持rows between的用法
• 切片如果不均勻，默認增加第一個切片的分布

（1）取出成績前25%的學生信息

• 第一步：按照成績的高低，將學生按照成績進行切片

SELECT

• 第二步：按照rank篩選出第一組，則得到最終的結果如下：

SELECT

---

（四）偏移分析窗口函數

lag() over()和lead() over()窗口函數，lag和lead分析函數可以在同一次查詢中取出同一個字段的前N行數據（lag）和后N行（lead）作為獨立的列。

在實際應用當中，若要用到取今天和昨天的某字段的差值時，lag和lead函數的應用就顯得尤為重要了。

適用場景：獲取用戶在某個頁面停留的起始與結束時間

語法結構：

lag

（1）向前推1個日期

SELECT

• 第一條記錄，往前推沒有，則為0，因為我設置了為0，默認為NULL；
• 第四條記錄是在男生組里，所以也相當于第一條記錄，所以也為0；

（2）向后推1個日期

SELECT

• 在女生組里，第三條記錄往后推1個日期是沒有的，所以為無；
• 在男生組里，最后一條記錄網后也是沒有的，所以也為無。

（3） 統計每天符合以下條件的用戶數：A操作之后是B操作，AB操作必須相鄰。

用戶行為表racking_log（user_id,operate_id,log_time）

解題思路：

• 先根據用戶ID和日期，用LEAD()窗口函數向后獲取下一步的步驟；
• AB必須相鄰，則表明當前的步驟為A，而下一個步驟為B，即A向下移的步驟是B；
• “每天”，即根據日期進行分組。

SELECT

（4）現在有某個登錄表，找出連續登錄7天以上的用戶（看SQL面試題一）

草莓女孩：SQL面試題（一）?zhuanlan.zhihu.com

tips：窗口函數和普通函數的區別在于：普通聚合函數結果返回的是一條，將多條記錄合成一條，而窗口函數是有幾條記錄就返回幾條。

總結

以上是生活随笔為你收集整理的c++ 编写函数返回两个值最小值_结合实例来分析SQL的窗口函数的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。