首页 > 数据库> > Task05: SQL高级处理

Task05: SQL高级处理

2020-12-24 13:00:15 作者：互联网

5.1 窗口函数知识整理

	用法	说明
窗口函数	OLAP函数，OnLine Analytic Processing，对数据库数据实时分析处理 `<窗口函数> OVER ([PARTITION BY <列名>] ORDER BY <排序用列名>)` *[]中的内容可以省略	PATITION BY：分组，确定窗口大小，类似于GROUP BY分组功能 PATITION BY vs GROUP BY：前者不会改变返回的记录行数，GROUP BY返回汇总后的行数 ORDER BY：排序，决定窗口内的排序规则 ORDER BY默认升序，可通过ASC/DESC指定升/降序
专用窗口函数	RANK：如果有并列名次，会占用下一名词的位置；例如1，1，1，4 DENSE_RANK：如果有并列名字，不占用下一名次的位置；例如1，1，1，2 ROW_NUMBER：不考虑并列名字；例如1，2，3，4
聚合函数在窗口函数中	SUM、MAX、MIN等聚合函数：聚合函数作为窗口函数，可以在每一行的数据里直观的看到，截止到本行数据，统计数据是多少（最大值、最小值等）。同时可以看出每一行数据，对整体统计数据的影响。
指定窗口汇总范围	`<窗口函数> OVER (ORDER BY <排序用列名> ROWS n PRECEDING ) <窗口函数> OVER (ORDER BY <排序用列名> ROWS BETWEEN n PRECEDING AND n FOLLOWING)`	PRECEDING（“之前”），将框架指定为 “截止到之前 n 行”，+ 自身行 FOLLOWING（“之后”），将框架指定为 “截止到之后 n 行”，+ 自身行 BETWEEN 1 PRECEDING AND 1 FOLLOWING，将框架指定为 “之前1行” + “之后1行” + “自身”
合计	ROLLUP：计算分类（GROUP BY）的合计 `SELECT <column_name>, <column_name>, ... FROM <table> GROUPY BY <column_name> WITH ROLLUP`	GROUPY：计算每个分类的小计 ROLLUP：计算分类的合计

5.2 举例说明

以Task02: 基础排序与查询中的product表为例，product表如下：

对sale_price进行RANK()，DENSE_RANK()，ROW_NUMBER()，用`括住rank，dense_rank，row_number表明其不为关键字：

SELECT product_id, product_name, product_type, sale_price
	   , RANK() OVER (ORDER BY sale_price) AS `rank`
	   , DENSE_RANK() OVER (ORDER BY sale_price) AS `dense_rank`
	   , ROW_NUMBER() OVER (ORDER BY sale_price) AS `row_number` 
FROM product;

结果如下：

对sale_price进行SUM()，AVG()窗口函数：

SELECT product_id, product_name, product_type, sale_price
	   , SUM(sale_price) OVER (ORDER BY sale_price) AS cumulative_sum
	   , AVG(sale_price) OVER (ORDER BY sale_price) AS cumulative_avg
FROM product;

结果如下：

根据product_type分组对sale_price进行SUM()，AVG()窗口函数：

SELECT product_id, product_name, product_type, sale_price
	   , SUM(sale_price) OVER (PARTITION BY product_type ORDER BY sale_price) AS cumulative_sum
	   , AVG(sale_price) OVER (PARTITION BY product_type ORDER BY sale_price) AS cumulative_avg
FROM product;

结果如下：

PRECEDING/FOLLOWING/BETWEEN AND的应用：

SELECT  product_id
       ,product_name
       ,sale_price
       ,AVG(sale_price) OVER (ORDER BY product_id ROWS 2 PRECEDING) AS preceding_avg
       ,AVG(sale_price) OVER (ORDER BY product_id ROWS BETWEEN 1 PRECEDING AND 1 FOLLOWING) AS between_avg  
FROM product;

结果如下：

ROLLUP计算GROUP BY合计：

SELECT product_type, regist_date
	   , SUM(sale_price) AS sum_price 
FROM product
GROUP BY product_type, regist_date WITH ROLLUP;

结果如下：

5.3 练习题（macOS）

1. 请说出针对本章中使用的 product（商品）表执行如下 SELECT 语句所能得到的结果。

SELECT  product_id
       ,product_name
       ,sale_price
       ,MAX(sale_price) OVER (ORDER BY product_id) AS Current_max_price
  FROM product

说明：从product表中选出product_id，product_name，sale_price，已经每个截止到每个product_id范围内最大的sale_price

2. 继续使用product表，计算出按照登记日期（regist_date）升序进行排列的各日期的销售单价（sale_price）的总额。排序是需要将登记日期为NULL 的“运动 T 恤”记录排在第 1 位（也就是将其看作比其他日期都早）

利用SUM()作为窗口函数，并以regist_date排序：

SELECT *
       , SUM(sale_price) OVER (ORDER BY regist_date) as total_sale_price
FROM product;

结果如下：

3. 思考题

① 窗口函数不指定PARTITION BY的效果是什么？

说明：PARTITION BY用来分组，即指定窗口大小，不指定PARTION BY即窗口为整个表（没有任何筛选条件）。

② 为什么说窗口函数只能在SELECT子句中使用？实际上，在ORDER BY 子句使用系统并不会报错。

说明：因为窗口函数操作的是，经过WHERE或者GROUP BY子句后的数据，所以放在SELECT子句中。

标签：product,price,sale,高级,SELECT,SQL,Task05,ORDER,OVER
来源： https://blog.csdn.net/weixin_47171389/article/details/111499418