登录
首页大数据时代你需要掌握这3种窗口函数
你需要掌握这3种窗口函数
2020-08-11
收藏

一、什么是窗口函数

窗口函数又叫做开窗函数,是用于解决复杂报表统计需求的功能强大的一种分析函数。窗口函数通常用于计算基于组的某种聚合值,它和聚合函数的不同之处在于:窗口函数对于每个组返回多行,而聚合函数对于每个组只返回一行。

二、窗口函数基本语句形式

窗口函数带有一个开窗函数over(),包含三个分析子句:

三、窗口函数类别

1、排名函数

SQL标准支持4种用于排名计算的窗口函数。分别为:ROW_NUMBER、NTILE、以及RANK和DENSE_RANK。

SQL标准中,前两个是一类,后两个是另一类。

ROW_NUMBER:表示根据col1分组,在分组内部根据col2排序,而此函数计算的值就表示每组内部排序后的顺序编号(组内是连续且唯一的)。

NTILE函数把窗口分区里的数据行分成数量大致相等的块(根据输入的块数和指定的窗口排序)。

RANK(排名)与DENSE_RANK(密集排名)函数的计算和ROW_NUMBER函数类似,唯一不同之处在于,它们在窗口分区内生成的值不必是唯一的。

如果窗口排序方向是升序,那么RANK函数计算分区内排序值比当前行小的行的数量,在次数量上加1.就是当前行的排名;

DENSE_RANK函数计算分区内相异的(distinct)排序值比当前行小的行的数量,在此数量上加1.就是当前行的排名。

如果窗口排序方向是降序,那么RANK函数计算分区内排序属性比当前行大的行的数量,在此数量上加1.就是当前行的排名;

DENSE_RANK函数计算分区内相异的(distinct)排序值比当前行大的行的数量,在此数量上加1.就是当前行的排名。

2、分布函数

窗口分布函数主要是为静态统计服务提供数据的分布情况。SQL Server 2012引入了两种窗口分布函数的支持:排名分布函数和逆分布函数。

排名分布函数有PERCENT_RANK(百分位排名)和CUME_DIST(累积分布)两种,逆分布函数也有两个,分别是:PERCENT_CONT(百分位连续)和PERCENTILE_DISC(百分位离散)。

根据标准SQL,分布函数计算数据行在窗口分区中的相对排名,将它表示为介于0~1之间的比值——通常它看做百分比。

假设rk 为数据行的RANK值,RANK函数的窗口描述和分布函数的窗口描述是相同的。假设nr为窗口分区内数据行的行数,np为领先或与当前行的排序值相同的行的数目(为比当前rk减1大的最小rk值,如果当前rk是最大值,则np等于nr)。

PERCENT_RANK(百分位排名)计算公式:(rk-1)/(nr-1)

PERCENT_RANK(百分位排名)的计算公式:np/nr。

逆分布函数,一般叫做百分位,通常会将它执行的计算当作是排名分布函数的倒数。

PERCENTILE_DISC(百分位离散)函数,其中DISC为离散分布模型,返回组中第一个符合条件的值,条件为:其累计分布(CUME_DIST函数)>=输入值。

PERCENT_CONT(百分位连续)函数,其中CONT为连续分布函数。

3、偏移函数

偏移函数分为两种类型,一种是偏移量是相对于当前行的,LAG和LEAD函数;另一个偏移函数的偏移量是相对于窗口框架的开始和结尾的,包括FIRST_VALUE、LAST_VALUE和NTH_VALUE。

LAG和LEAD函数支持窗口分区子句以及窗口排序子句。允许我们从窗口分区中,根据给定的相对于当前行的前偏移量(LAG)和后偏移量(LEAD),返回对应行的值。如果没有指定,偏移量默认为1.

第二类的偏移函数(FIRST_VALUE、LAST_VALUE和NTH_VALUE)在支持窗口分区子句和排序子句的基础上,还可以支持窗口框架子句。

FIRST_VALUE和FIRST_VALUE分别返回框架的第一行和最后一行所有查询的值。NTH_VALUE函数作用是中的相对窗口框架第一行或最后一行的偏移量,使得我们可以取得对应这个偏移量的记录值。

数据分析咨询请扫描二维码

客服在线
立即咨询